当我手动创建 k 折叠目录时，有没有办法使用 image_dataset_from_directory ？

如何解决当我手动创建 k 折叠目录时，有没有办法使用 image_dataset_from_directory ？

我正在使用 tf.keras.preprocessing.image_dataset_from_directory 加载我的训练和测试数据集。

我认为这应该是微不足道的，但我找不到与我想要的类似的东西。所以，也许我做错了。

我现在正在尝试重构我的目录以进行 10 折交叉验证。 我已经手动完成了，现在我的目录是这样的：

train_10_folds
|
|_ fold_0
    |_ Benign
          |_ img0.png
          |_ img1.png
          |...
    |_ Malignant
      |_ img2.png
      |_ img3.png
      |...
|_fold_1
    |_ Benign
          |_ img0.png
          |_ img1.png
          |...
    |_ Malignant
      |_ img2.png
      |_ img3.png
      |...
|_fold_2
    |_ Benign
          |_ img0.png
          |_ img1.png
          |...
    |_ Malignant
      |_ img2.png
      |_ img3.png
      |...
|_ ...
|_ fold_9

整个想法是我想使用类似于 sklearn.model_slection.kfold 的东西。阻止我使用它的原因是：

1. tf.keras.preprocessing.image_dataset_from_directory 不会分别返回图像和标签。
2. 我找不到使用 tf.keras.preprocessing.image_dataset_from_directory 作为训练数据，最后一个目录作为验证数据来保留 9 个训练目录的方法。

我计划有类似以下内容：

take one fold each time:
    train_data = (the 9 folds)
    val_data = (the remaining fold)
    
    # data augmentation
    # fit on train data
    # validate on test data
    # evaluate the model

有没有办法解决我当前设置的问题？ 如果没有，我该如何实现？

注意：我不想使用任何 numpy 替代方案，因为这可能会降低 tensorflow 的功效。

我希望这很清楚。 提前致谢。