如何在ImageDataGenerator中调整图像大小

Question

根据我的理解，当使用tensorflow keras时，我们可以使用ImageDataGenerator从目录中流动数据。当数据流入时，它们的大小将调整为target_size。但这种转变是如何实现的呢？

一个例子是：

from tensorflow.keras.preprocessing.image import ImageDataGenerator
trainDir = 'train'
dataGen = ImageDataGenerator(rescale=1/255)
gen = dataGen.flow_from_directories(
trainDir,
batch_size=64,
target_size=(150, 150),
class_mode='binary'
)

这里，来自trainDir的所有图像将被调整大小为150x150。但是它们是如何调整大小的呢？

我已经查看了tensorflow ImageDataGenerator上的文档。它只是说CCD_；找到的所有图像的大小都将调整为"但是我没有找到关于如何调整大小的解释。

Answer 1

当target_size与输入图像的大小不同时，它使用interpolation参数。使用的默认插值方法是nearest，但也可以使用其他插值方法。

来源：https://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/image/ImageDataGenerator

Answer 2

ImageDataGenerator有一个参数fill_mode。此参数可设置如下

One of {"constant", "nearest", "reflect" or "wrap"}. Default is 'nearest'. Points outside the boundaries of the input are filled according to the given mode:
'constant': kkkkkkkk|abcd|kkkkkkkk (cval=k)
'nearest': aaaaaaaa|abcd|dddddddd
'reflect': abcddcba|abcd|dcbaabcd
'wrap': abcdabcd|abcd|abcdabcd
frankly I have no idea what the above is intending to illustrate