我正在尝试对音频数据集进行 10 倍交叉验证。音频被剪辑成小段，所以我们有来自同一个文件的多个剪辑。为了避免过度拟合，每个音频都被分配到一个特定的折叠。文件结构类似于 UrbanSoundDataset。我正在为每个折叠生成 MFCC 功能并使用以下代码保存这些功能：

   np.savez("{0}/{1}_mfcc".format(save_dir, "fold"+str(fold_id)), features=X, 
             labels=y)

每个折叠的特征集固定为行 x 40 mfcc x 174 维度。例如，折叠 1 的尺寸为 (534, 40, 174)，折叠 2 的尺寸为 (538, 40, 174)。当我加载折叠值时，我想将 9 个折叠堆叠在一起进行训练。例如，如果我在上面的示例中堆叠 fold1 和 fold2，那么在堆叠过程结束时我应该有 (1072,40,174) 长度数组。

我怎样才能使用 numpy 做到这一点？