YOLOv8！数据集制作！使用数据集进行模型训练！（以数据集coco128为例）

一、原始数据集【未划分，包含全部图片、标签】

在yolo系列的根目录下（ultralytics_main）创建datasets文件夹，在datasets文件夹中放入coco128数据集，coco128文件夹下创建image文件夹：存放数据集的全部图片和标签文件。

二、数据集分割

在datasets文件夹下创建DatasetProduction.py文件，用来将images中的图片和标签进行分割，DatasetProduction.py代码如下：（！该代码一定放在datasets文件夹下，不要放在images里）

import os
import random
import shutil

def split_dataset(data_dir, train_val_test_dir, train_ratio, val_ratio, test_ratio):
    # 创建目标文件夹
    train_dir = os.path.join(train_val_test_dir, 'train')
    val_dir = os.path.join(train_val_test_dir, 'val')
    test_dir = os.path.join(train_val_test_dir, 'test')
    os.makedirs(train_dir, exist_ok=True)
    os.makedirs(val_dir, exist_ok=True)
    os.makedirs(test_dir, exist_ok=True)

    # 获取数据集中的所有文件
    files = os.listdir(data_dir)

    # 过滤掉非图片文件
    image_files = [f for f in files if f.endswith('.jpg') or f.endswith('.png')]
    # 随机打乱文件列表
    random.shuffle(image_files)

    # 计算切分数据集的索引
    num_files = len(image_files)
    num_train = int(num_files * train_ratio)
    num_val = int(num_files * val_ratio)
    num_test = num_files - num_train - num_val

    # 分离训练集
    train_files = image_files[:num_train]
    for file in train_files:
        src_image_path = os.path.join(data_dir, file)
        src_label_path = os.path.join(data_dir, file.re