在学习一个matlab跑深度学习的例子时，出现下面函数的调用：

% Load data
ds = imageDatastore('notMNIST_large/','LabelSource','foldernames','IncludeSubfolders',true);

% Prepare data
[trainDigitData,valDigitData,testData]=ds.splitEachLabel(0.5,0.3,0.2,'Randomize');

下面接说说这两个函数的作用（参数些许不同）

1、 imageDatastore（）

我们当前有如下目录结构的图像数据集（用于图像分类）：
Matlab中 imageDatastore函数及splitEachLabel函数_Matlab

imageDatastore：imds = imageDatastore('./images', 'IncludeSubfolders', true, 'labelsource', 'foldernames')
  • 第一个参数./images表示文件所在的路径；
  • 后续参数都是键值对（key-value）的形式
    • includesubfolders：是否继续读取子文件夹中的图像数据；
    • labelsource：图像 label 的来源是什么；

此时的imds已包含了原始数据集丰富的信息；

  • tbl = countEachLabel(imds) ⇒ 见名知意，创建一个表格，某一label图像，及其对应的图像个数；
  • categories = tbl.Label;（ tbl 是一个 table，tbl.Label 索引的是表中的列）
  • imds.Files：全部文件名构成的 cell 集合；
2. splitEachLabel：拆分数据集

[imds1,imds2] = splitEachLabel(imds, p);

  • p 可以是一个小数，表示百分比，根据百分比划分；
  • 也可以是一个整数，根据这一整数进行划分；
% Prepare data 拆分数据集
[trainDigitData,valDigitData,testData]=ds.splitEachLabel(0.5,0.3,0.2,'Randomize');

即表示将ds的数据拆分，比例是0.5:0.3:0.2