在進行深度學習時，為了提高精度，或者為了評估我們模型的優劣，以及如何選擇一個更好的模型。這樣我們就需要用到交叉驗證方法。

我們主要實現如何使用KFold劃分訓練集和驗證集

#coding:utf-8
from sklearn.model_selection import KFold
def select_train_val(all_path, seed):
    kfold = KFold(5, shuffle=True, random_state=seed)
    splits = list(kfold.split(patients_dir))
    train_datasets = []
    val_datasets 
 
= []
    for n in range(0, fold_number):
        train_idx, val_idx = splits[n]
        print("first idx of train", train_idx[0])
        print("first idx of test", val_idx[0])
        train = [patients_dir[i] for i in train_idx]
        val = [patients_dir[i] for i in val_idx]
    return train_datasets, val_datasets
 
if __name__ == "__main__":
    from glob import glob
    path = r"/home/wpx/BraTS2019/Train/*"
    all_file = glob(path)
    # 這是獲取到5折對應的訓練集和驗證集，我們如果只是的用來劃分訓練集和驗證集，我們最終可以隨機選擇某一折，比如選第一折劃分好的訓練集和驗證集，可以這樣操作：
    #train_data, val_data = train_dataset[1], val_dataset[1]
    train_dataset, val_dataset = select_train_val(all_file,1234)