使用目录中的Keras流进行K折交叉验证

Question

我当前的文件夹结构是：

train 
    class1/
         img1.jpg
         img2.jpg
         ...
    class2/
         img3.jpg
         img4.jpg
         ...
test
    class1/
         img1.jpg
         img2.jpg
         ...
    class2/
         img3.jpg
         img4.jpg
         ...

我当前的工作流程是：

train_datagen = ImageDataGenerator(
    rescale=1.0 / 255, shear_range=0.2, zoom_range=0.2, horizontal_flip=True, rotation_range=0.2
)

test_datagen = ImageDataGenerator(rescale=1.0 / 255)

train_generator = train_datagen.flow_from_directory(
            os.getcwd() + config.DATA + "train",
            target_size=(img_width, img_height),
            class_mode="binary",
            batch_size=batch_size,
)

validation_generator = test_datagen.flow_from_directory(
            os.getcwd() + config.DATA + "val",
            target_size=(img_width, img_height),
            class_mode="binary",
            batch_size=batch_size,
)

制作包含flow_from_directory调用和K-Fold交叉验证（最好在scikit的帮助下）的工作流的首选方法是什么？

我正在考虑只制作一个带有所有数据和类标签的文件夹的方法：

  class1
       image1
  class2 
       image2

然后将其洗牌并拆分为K个文件夹（名称为liek fold1，fold2，fold3，fold4，fold5）。

然后我将像这样使用循环

for i in range(k):
    validation_generator = flow_from_directory('....data/fold(i)') 
    test_generator = flow_from_directory('...data/fold every other folder)
    ... train model, fit model

然后将循环模型中每个模型的val_acc平均。

这是一个好方法吗？还有效率更高的吗？