我有127658张1024x1024大小的图像，其中大多数是png格式的(只有56张是jpeg和jpg(。经过一些研究，我意识到并不是所有的调整大小方法都是一样的，在保持图像质量至关重要的情况下，有一些方法可以遵循。
如果图像的所有路径都在熊猫数据帧中，比如df['filepaths']，那么缩小这些图像的最快方法是什么？(计划缩小到512x512(它可以是基于CPU或GPU的。
此外，我这样做是假设它会减少神经网络的训练时间(以及对模型精度的实验(。这种输入调整大小的图像的方法有助于减少训练时间吗？还是最好将原始图像输入神经网络并在输入管道中调整它们的大小？
非常感谢您的帮助！
程序包版本：python：3.7.7，TensorFlow gpu:2.1.0，Pytorch:1.6.0(当然，在不同的环境中(
硬件信息：CPU:i7-10750H，GPU:RTX 2060移动
实际上，您可以使用各种插值方法来找到哪种方法满足您的要求。在接下来的环节中，Chadrick很好地讲述了这个故事。你可能想看看它和
1024x1024=1.048.576512x512=262.144
正好是图像的1/4。你——%100，给自己节省一些时间。事实上，TF的Keras API的ImageDataGenerator类可以让您读取任意大小的图像。例如，如果你想从数据帧中获取它们：
ImageDataGenerator.flow_from_dataframe(
dataframe,
directory=None,
x_col="filename",
y_col="class",
weight_col=None,
target_size=(512, 512), # Size parameter
color_mode="rgb",
classes=None,
class_mode="categorical",
batch_size=32,
shuffle=True,
seed=None,
save_to_dir=None,
save_prefix="",
save_format="png",
subset=None,
interpolation="nearest", # Interpolation method parameter
validate_filenames=True,
**kwargs
)
请参阅PIL库的图像类。它包含了更多处理图像的方法。特别是有resize((方法。
图像类文档