下载数据集用于图像分类并自动分为训练集和测试集方法

下面代码的目的是为图像分类任务生成训练集和测试集的标签文件。具体来说：

1. 自动创建标签文件：根据输入的根目录和数据集类型（如"train"或"test"），在指定位置生成对应的文本文件（如train.txt）。

2. 构建图片与标签的映射关系：通过遍历目录结构，将每个图片的完整路径与其所属类别建立对应关系。类别标签由父目录的子目录顺序决定（第一个子目录为0，第二个为1，依此类推）。

3. 格式输出：将结果写入文本文件，每行格式为<图片路径> <标签>（例如："八宝粥/image1.jpg 0"），便于后续用于机器学习模型的训练数据加载。

代码实现：

import os  # 导入操作系统相关模块，用于路径操作def train_test_file(root, dir):  # 定义生成标签文件的函数，接收根目录和数据集类型（train/test）file_txt = open(dir+'.txt','w')  # 创建以dir命名的文本文件（如train.txt），用于写入标签path = os.path.join(root, dir)  # 组合根目录和数据集类型形成完整路径（如食物分类/food_dataset/train）for roots, directories, files in os.walk(path):  # 遍历指定路径下的所有目录和文件if len(directories) != 0 :  # 如果当前目录有子目录（非叶子节点）dirs = directories  # 保存当前目录的子目录列表else:  # 如果当前目录是叶子节点（无子目录）now_dir = roots.split('\\')  # 将当前目录路径按反斜杠分割成列表（如['食物分类', 'food_dataset', '八宝粥']）for file in files:  # 遍历当前目录下的所有文件path_1 = os.path.join(roots, file)  # 组合出完整文件路径（如食物分类/food_dataset/八宝粥/image1.jpg）print(path_1)  # 打印文件路径（调试用）file_txt.write(path_1+' '+str(dirs.index(now_dir[-1]))+'\n')  # 写入文件路径和对应标签# 示例：八宝粥目录的文件会被标记为0，哈密瓜为1等file_txt.close()  # 关闭文件流root = r'.\食物分类\food_dataset'  # 图片存储根目录（相对路径）
train_dir = 'train'  # 训练集目录名
test_dir = 'test'    # 测试集目录名
train_test_file(root, train_dir)  # 生成训练集标签文件（train.txt）
train_test_file(root, test_dir)   # 生成测试集标签文件（test.txt）

关键点说明：

1. 路径处理

   • os.path.join 自动适配不同操作系统的路径分隔符（Windows用\，Linux用/）
   • roots.split('\\') 将路径转换为层级列表，便于获取当前目录名称（now_dir[-1]）

2. 标签生成逻辑

   • 当遇到叶子节点（无子目录）时，通过dirs.index(now_dir[-1])确定标签
   • dirs 是父级目录的子目录列表，索引值对应分类编号（如第一个子目录为0）

3. 数据结构

   • 生成的.txt文件每行格式：<文件路径> <标签>（如八宝粥/image1.jpg 0）
   • 标签体系基于目录层级顺序自动分配，无需手动维护映射关系

4. 适用场景

   • 适合图像分类任务的数据预处理，尤其适用于多类别、多子目录存储的图片数据集