caffe测试过程中的label_file,标签文件中的顺序

本文详细介绍了在机器学习分类任务中,label_file作为类别标签文件路径的重要性。标签通常以txt格式存储,一行一个标签,顺序至关重要。文章通过实例说明了正确排序标签对分类结果的影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

label_file是在classification.cpp文件中测试的时候访问的一个文件,label_file为记录类别标签的文件路径,标签通常记录在一个txt文件中,一行一个。
这个txt文件中的顺序是十分重要的。

例如二分类,训练集分为0和1文件夹。例如0文件夹代表的是good,1文件夹代表的是bad。
在这里插入图片描述
那么标签文件要按顺序写
在这里插入图片描述
结果如下
在这里插入图片描述
不能不按顺序写,或者写反
在这里插入图片描述
效果如下,正好反了。
在这里插入图片描述
作者:GL3_24
来源:优快云
著作权归作者所有。转载请联系作者获得授权。

# by 优快云 迪菲赫尔曼 import os import random import shutil def copy_files(src_dir, dst_dir, filenames, extension): os.makedirs(dst_dir, exist_ok=True) missing_files = 0 for filename in filenames: src_path = os.path.join(src_dir, filename + extension) dst_path = os.path.join(dst_dir, filename + extension) # Check if the file exists before copying if os.path.exists(src_path): shutil.copy(src_path, dst_path) else: print(f"Warning: File not found for {filename}") missing_files += 1 return missing_files def split_and_copy_dataset(image_dir, label_dir, output_dir, train_ratio=0.7, valid_ratio=0.15, test_ratio=0.15): # 获取所有图像文件文件名(不包括文件扩展名) image_filenames = [os.path.splitext(f)[0] for f in os.listdir(image_dir)] # 随机打乱文件名列表 random.shuffle(image_filenames) # 计算训练集、验证集和测试集的数量 total_count = len(image_filenames) train_count = int(total_count * train_ratio) valid_count = int(total_count * valid_ratio) test_count = total_count - train_count - valid_count # 定义输出文件夹路径 train_image_dir = os.path.join(output_dir, 'train', 'images') train_label_dir = os.path.join(output_dir, 'train', 'labels') valid_image_dir = os.path.join(output_dir, 'valid', 'images') valid_label_dir = os.path.join(output_dir, 'valid', 'labels') test_image_dir = os.path.join(output_dir, 'test', 'images') test_label_dir = os.path.join(output_dir, 'test', 'labels') # 复制图像和标签文件到对应的文件夹 train_missing_files = copy_files(image_dir, train_image_dir, image_filenames[:train_count], '.jpg') train_missing_files += copy_files(label_dir, train_label_dir, image_filenames[:train_count], '.txt') valid_missing_files = copy_files(image_dir, valid_image_dir, image_filenames[train_count:train_count + valid_count], '.jpg') valid_missing_files += copy_files(label_dir, valid_label_dir, image_filenames[train_count:train_count + valid_count], '.txt')
最新发布
03-23
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值