在使用 Keras 训练之前调整 MNIST 图像的大小

Question

我一直在做一个涉及CNN及其权重的项目，我一直在努力减少CNN中存在的权重数量。我想在训练 CNN 之前将 MNIST 图像的大小从 28x28 调整为 14x14，但我不知道如何在 Keras 中做到这一点。

以下是用于导入 MNIST 数据集和构建 CNN 的代码示例：

# LOAD MNIST DATA
(X_train, y_train), (X_test, y_test) = mnist.load_data()
# RESHAPE TO [SAMPLES][PIXELS][WIDTH][HEIGHT]
X_train = X_train.reshape(X_train.shape[0], 1, 28, 28).astype('float32')
X_test = X_test.reshape(X_test.shape[0], 1, 28, 28).astype('float32')
# NORMALIZE 0-255 TO 0-1
X_train = X_train / 255
X_test = X_test / 255
# ONE HOT ENCODE
y_train = np_utils.to_categorical(y_train)
y_test = np_utils.to_categorical(y_test)
num_classes = y_test.shape[1]
#DEFINE MODEL
def larger_model():
# CREATE MODEL
model = Sequential()
model.add(Conv2D(2, (5, 5), input_shape=(1, 28, 28), activation='relu', 
padding="same"))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(2, (5, 5), activation='relu', padding="same"))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.2))
model.add(Flatten())
model.add(Dense(16, activation='relu'))
model.add(Dense(num_classes, activation='softmax'))
# COMPILE MODEL
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics= 
['accuracy'])
return model
# BUILD MODEL
model = larger_model()
model.summary()

X_train变量是用于训练模型的变量。在训练开始之前，我应该进行哪些调整才能将X_train的大小减小到 14x14？

谢谢！

Answer 1

默认的load_data函数没有任何动态修改的选项，例如调整大小。由于您现在有 NumPy 数组，因此您必须进行预处理，将图像大小调整为数组。这是一篇关于将 NumPy 数组调整为图像的文章。