Skip to content

Commit 660126c

Browse files
masoudshahrianmasoudshahrian
committed
Created using Colab
1 parent fd785b1 commit 660126c

File tree

1 file changed

+223
-0
lines changed

1 file changed

+223
-0
lines changed

‎Seperate_imagest_to_train_and_test_folders.ipynb

Lines changed: 223 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,223 @@
1+
{
2+
"nbformat": 4,
3+
"nbformat_minor": 0,
4+
"metadata": {
5+
"colab": {
6+
"provenance": [],
7+
"mount_file_id": "19Pc7sIn7AI_e7_V5ZNt_TRdrfq3Rnsrv",
8+
"authorship_tag": "ABX9TyNF2Uk0jAvVPngszoCPFwiu",
9+
"include_colab_link": true
10+
},
11+
"kernelspec": {
12+
"name": "python3",
13+
"display_name": "Python 3"
14+
},
15+
"language_info": {
16+
"name": "python"
17+
}
18+
},
19+
"cells": [
20+
{
21+
"cell_type": "markdown",
22+
"metadata": {
23+
"id": "view-in-github",
24+
"colab_type": "text"
25+
},
26+
"source": [
27+
"<a href=\"https://colab.research.google.com/github/masoudshahrian/DeepLearning-Code/blob/main/Seperate_imagest_to_train_and_test_folders.ipynb\" target=\"_parent\"><img src=\"https://colab.research.google.com/assets/colab-badge.svg\" alt=\"Open In Colab\"/></a>"
28+
]
29+
},
30+
{
31+
"cell_type": "code",
32+
"execution_count": 4,
33+
"metadata": {
34+
"id": "gTLbjIuRLu74"
35+
},
36+
"outputs": [],
37+
"source": [
38+
"import os\n",
39+
"import shutil\n",
40+
"import random"
41+
]
42+
},
43+
{
44+
"cell_type": "code",
45+
"source": [
46+
"\n",
47+
"# مسیر به دایرکتوری تصاویر ورودی\n",
48+
"input_dir = '/content/drive/MyDrive/Image/CelebA_Image_Croped/' # مسیر دایرکتوری تصاویر\n",
49+
"train_dir = '/content/drive/MyDrive/Image/train/' # مسیر دایرکتوری train\n",
50+
"test_dir = '/content/drive/MyDrive/Image/test/' # مسیر دایرکتوری test\n"
51+
],
52+
"metadata": {
53+
"id": "BK3xzsJyLw2m"
54+
},
55+
"execution_count": 5,
56+
"outputs": []
57+
},
58+
{
59+
"cell_type": "code",
60+
"source": [
61+
"# import os\n",
62+
"\n",
63+
"# # مسیر به دایرکتوری تصاویر\n",
64+
"# directory_path = '/content/drive/MyDrive/Image/test/' # مسیر دایرکتوری\n",
65+
"\n",
66+
"# # لیست کردن فایل‌ها در دایرکتوری و شمارش تصاویر\n",
67+
"# image_extensions = ('.jpg', '.jpeg', '.png', '.gif', '.bmp') # پسوندهای تصاویر\n",
68+
"# image_count = 0\n",
69+
"\n",
70+
"# # شمارش تصاویر\n",
71+
"# for filename in os.listdir(directory_path):\n",
72+
"# if filename.endswith(image_extensions):\n",
73+
"# image_count += 1\n",
74+
"\n",
75+
"# print(f\"تعداد تصاویر در دایرکتوری: {image_count}\")"
76+
],
77+
"metadata": {
78+
"colab": {
79+
"base_uri": "https://localhost:8080/"
80+
},
81+
"id": "zRXJZNdPpY6U",
82+
"outputId": "88cf7e11-4f70-4f75-948a-34a5da1e401d"
83+
},
84+
"execution_count": 3,
85+
"outputs": [
86+
{
87+
"output_type": "stream",
88+
"name": "stdout",
89+
"text": [
90+
"تعداد تصاویر در دایرکتوری: 2718\n"
91+
]
92+
}
93+
]
94+
},
95+
{
96+
"cell_type": "code",
97+
"source": [
98+
"# تعداد تصاویر در دایرکتوری: 61665\n",
99+
"\n"
100+
],
101+
"metadata": {
102+
"id": "kvFexjQTrOhT"
103+
},
104+
"execution_count": null,
105+
"outputs": []
106+
},
107+
{
108+
"cell_type": "code",
109+
"source": [
110+
"\n",
111+
"\n",
112+
"# ایجاد دایرکتوری‌های train و test در صورت عدم وجود\n",
113+
"os.makedirs(train_dir, exist_ok=True)\n",
114+
"os.makedirs(test_dir, exist_ok=True)\n",
115+
"\n",
116+
"# لیست کردن تصاویر در دایرکتوری ورودی\n",
117+
"images = [f for f in os.listdir(input_dir) if f.endswith('.jpg') or f.endswith('.png')]\n",
118+
"\n",
119+
"# تصادفی کردن لیست تصاویر\n",
120+
"random.shuffle(images)\n",
121+
"\n",
122+
"# محاسبه تعداد تصاویر برای train و test\n",
123+
"train_size = int(0.8 * len(images))\n",
124+
"test_size = len(images) - train_size\n",
125+
"\n",
126+
"# تقسیم تصاویر به train و test\n",
127+
"train_images = images[:train_size]\n",
128+
"test_images = images[train_size:]\n",
129+
"\n",
130+
"# کپی کردن تصاویر به دایرکتوری‌های مربوطه\n",
131+
"for img in train_images:\n",
132+
" shutil.copy(os.path.join(input_dir, img), os.path.join(train_dir, img))\n",
133+
"\n",
134+
"for img in test_images:\n",
135+
" shutil.copy(os.path.join(input_dir, img), os.path.join(test_dir, img))\n",
136+
"\n",
137+
"print(f\"تعداد تصاویر در train: {len(train_images)}\")\n",
138+
"print(f\"تعداد تصاویر در test: {len(test_images)}\")\n",
139+
"print(\"تقسیم تصاویر با موفقیت انجام شد.\")"
140+
],
141+
"metadata": {
142+
"id": "-0pF6AAILwyx"
143+
},
144+
"execution_count": null,
145+
"outputs": []
146+
},
147+
{
148+
"cell_type": "markdown",
149+
"source": [],
150+
"metadata": {
151+
"id": "Yrx-Ep1cFNwc"
152+
}
153+
},
154+
{
155+
"cell_type": "code",
156+
"source": [
157+
"# import os\n",
158+
"# import shutil\n",
159+
"# import random\n",
160+
"\n",
161+
"# # مسیر به دایرکتوری تصاویر ورودی\n",
162+
"# input_dir = '/content/drive/MyDrive/kaggle-celebA/images/' # مسیر دایرکتوری تصاویر\n",
163+
"# train_dir = '/content/drive/MyDrive/kaggle-celebA/train/' # مسیر دایرکتوری train\n",
164+
"# test_dir = '/content/drive/MyDrive/kaggle-celebA/test/' # مسیر دایرکتوری test\n",
165+
"\n",
166+
"# ایجاد دایرکتوری‌های train و test در صورت عدم وجود\n",
167+
"os.makedirs(train_dir, exist_ok=True)\n",
168+
"os.makedirs(test_dir, exist_ok=True)\n",
169+
"\n",
170+
"# لیست کردن تصاویر در دایرکتوری ورودی\n",
171+
"images = [f for f in os.listdir(input_dir) if f.endswith('.jpg') or f.endswith('.png')]\n",
172+
"\n",
173+
"# اطمینان از اینکه تعداد تصاویر 10000 تا است\n",
174+
"if len(images) < 10000:\n",
175+
" print(f\"تعداد تصاویر موجود کمتر از 10000 است: {len(images)}\")\n",
176+
"else:\n",
177+
" # انتخاب 10000 تصویر تصادفی\n",
178+
" images = random.sample(images, 10000)\n",
179+
"\n",
180+
"# تصادفی کردن لیست تصاویر\n",
181+
"random.shuffle(images)\n",
182+
"\n",
183+
"# محاسبه تعداد تصاویر برای train و test\n",
184+
"train_size = int(0.8 * len(images)) # 80% برای train\n",
185+
"test_size = len(images) - train_size # 20% برای test\n",
186+
"\n",
187+
"# تقسیم تصاویر به train و test\n",
188+
"train_images = images[:train_size]\n",
189+
"test_images = images[train_size:]\n",
190+
"\n",
191+
"# کپی کردن تصاویر به دایرکتوری‌های مربوطه\n",
192+
"for img in train_images:\n",
193+
" shutil.copy(os.path.join(input_dir, img), os.path.join(train_dir, img))\n",
194+
"\n",
195+
"for img in test_images:\n",
196+
" shutil.copy(os.path.join(input_dir, img), os.path.join(test_dir, img))\n",
197+
"\n",
198+
"print(f\"تعداد تصاویر در train: {len(train_images)}\")\n",
199+
"print(f\"تعداد تصاویر در test: {len(test_images)}\")\n",
200+
"print(\"تقسیم تصاویر با موفقیت انجام شد.\")"
201+
],
202+
"metadata": {
203+
"id": "pckxaIKWo-me",
204+
"colab": {
205+
"base_uri": "https://localhost:8080/"
206+
},
207+
"outputId": "e173e294-5437-4d01-b1a2-023aec6174c7"
208+
},
209+
"execution_count": 6,
210+
"outputs": [
211+
{
212+
"output_type": "stream",
213+
"name": "stdout",
214+
"text": [
215+
"تعداد تصاویر در train: 8000\n",
216+
"تعداد تصاویر در test: 2000\n",
217+
"تقسیم تصاویر با موفقیت انجام شد.\n"
218+
]
219+
}
220+
]
221+
}
222+
]
223+
}

0 commit comments

Comments
 (0)