Dans le problème de classification multi-classes, nous présenterons comment diviser vos propres données d'image en formation, validation et test.
Supposons que les données d'image dont vous disposez se trouvent dans le dossier d'entrée, comme illustré dans la figure ci-dessous.
<img width="300", alt="image.png " src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/208980/bf6cf0ab-9452-272d-bfe8-8f0981b9182e.png "> Je voudrais diviser les données d'image en dossiers de formation, de validation et de test, comme indiqué dans la figure ci-dessous. <img width="300", alt="image.png ", src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/208980/7c1eae06-3cfd-8b31-7f0c-1ba898b1315b.png ">
pip install split-folders
Créez un programme Python. Importez le module split-folders et exécutez le code ci-dessous.
import split_folders
# Split with a ratio.
# To only split into training and validation set, set a tuple to `ratio`, i.e, `(.8, .2)`.
split_folders.ratio('input_folder', output="output", seed=1337, ratio=(.8, .1, .1)) # default values
Recommended Posts