Keras 图像的K-折叠交叉验证

假设我有一些图片分为3类（“猫”、“狗”、“鼠标”），我的DL网络是用keras编写的。 我使用的设计与此图片（1）中的相同：

我将数据分为三个不同的文件夹：培训、验证和测试。 根据图片，网络应该能够识别猫、狗或老鼠。我得到的准确率约为98%

它起作用了。 但出于某些原因，我需要改变这种设计。我想使用K-fold交叉验证过程，模式现在应该如（2）所示：

现在我的问题是，我不知道如何根据图2中的模式分割和分发原始数据

我只能想象两种不同的方式。让我们暂时忘记测试目录：

我创建了两个文件夹：“培训”和“验证”。两者的结构与图1相同：每个类别有三个子目录。现在的问题是：在从折叠1到折叠3的过程中，是否应该移动数据？或者我可以将图像分配到子目录中

我创建了两个文件夹：“Training”和“Validation”，但我将所有图像混合在一起。没有子目录。在这种情况下，我的问题是，我失去了图片名称和宠物之间的联系。我怎样才能告诉Keras应该识别哪种动物

就我个人而言，我会把所有的图像混合在一起，不管它们显示什么。但我会将内容的信息保存到一个文件中。在本例中，我将目录（验证或培训）和一个包含所有文件及其内容的文件传递给Keras

---

你有什么建议？

好的，我可以回答我自己的问题

最简单的方法就是在python脚本中使用

Kfold

form

sklearn

from sklearn.model_selection import KFold

在那之后，你需要对KFold进行估计

kfold = KFold(n_splits = 4, shuffle = True)

然后对拆分的数据集进行迭代，如下所示：

datagen = ImageDataGenerator(rescale = 1. / 255.)


for train, test in kfold.split(df_data):
    
    # df is the whole dataset (all together!)
    df_train = df.iloc[train, :]  # Look that train is coming from the for in .. loop
    df_test  = df.iloc[test, :]  # The same for test

    train_generator = datagen.flow_from_dataframe(dataframe = df_train,
                                                  directory = dataset_dir,
                                                  ... )

    test_generator = datagen.flow_from_dataframe(dataframe = df_test,
                                                 directory = dataset_dir,
                                                 ...)


    model = models.Sequential()
    .....

    model.compile(...)
    model.fit(...)

就这样！数据集现在被分割成多个分区！！！ 注意类ImageDataGenerator不在for循环中！！！ 请注意，方法（model

creation，compile（）和fit（）

）必须在for循环中

---

上面的代码对我很有用。

你能分享你的完整代码吗？