如何在不一次加载整个数据集的情况下将数据集拆分为 K 折叠？

Question

我无法一次加载所有数据集，因此我使用tf.keras.preprocessing.image_dataset_from_directory() 在训练期间加载批量图像。如果我想将我的数据集分成 2 个子集（训练和验证），它工作得很好，但是，我想将我的数据集分成 K 折叠以进行交叉验证。 （5折就好了）

如何在不加载整个数据集的情况下制作 K 折叠？ 我必须放弃使用tf.keras.preprocessing.image_dataset_from_directory() 吗？

Answer 1

我个人建议你切换到tf.data.Dataset()。

它不仅效率更高，而且在您可以实施的方面为您提供了更大的灵活性。

假设你有图片（image_paths）和labels作为例子。

这样，您可以创建如下管道：

training_data = []
validation_data = []
kf = KFold(n_splits=5,shuffle=True,random_state=42)
for train_index, val_index in kf.split(images,labels):
    X_train, X_val = images[train_index], images[val_index]
    y_train, y_val = labels[train_index], labels[val_index]
    training_data.append([X_train,y_train])
    validation_data.append([X_val,y_val])

然后你可以创建类似的东西：

for index, _ in enumerate(training_data):
    x_train, y_train = training_data[index][0], training_data[index][1]
    x_valid, y_valid = validation_data[index][0], validation_data[index][1]
   
    train_dataset = tf.data.Dataset.from_tensor_slices((x_train, y_train))
    train_dataset = train_dataset.map(mapping_function, num_parallel_calls=tf.data.experimental.AUTOTUNE)
    train_dataset = train_dataset.batch(batch_size)
    train_dataset = train_dataset.prefetch(buffer_size=tf.data.experimental.AUTOTUNE)
    
    
    validation_dataset = tf.data.Dataset.from_tensor_slices((x_valid, y_valid))
    validation_dataset = validation_dataset.map(mapping_function, num_parallel_calls=tf.data.experimental.AUTOTUNE)
    validation_dataset = validation_dataset.batch(batch_size)
    validation_dataset = validation_dataset.prefetch(buffer_size=tf.data.experimental.AUTOTUNE)



    model.fit(train_dataset,
             validation_data=validation_dataset,
             epochs=epochs,
             verbose=2)