在 Tensorflow 中调整 MNIST 的大小

Question

我一直在研究 MNIST 数据集，以学习如何在我的深度学习课程中使用 Tensorflow 和 Python。

我想使用tensorflow将MNIST的大小调整为22和22，然后我训练它，但我不知道怎么办？

你能帮我吗？

Answer 1

更新：TensorFlow 2.4.1

---

简短回答

使用

tf.image.resize

（而不是

resize_images

）。其他提供的链接不再存在。更新了链接。

---

长答案

MNIST

中的

tf.keras.datasets.mnist

是以下形状

(batch_size, 28 , 28)

这是完整的实现。请阅读代码附带的评论。

(x_train, y_train), (_, _) = tf.keras.datasets.mnist.load_data()

# expand new axis, channel axis 
x_train = np.expand_dims(x_train, axis=-1)

# [optional]: we may need 3 channel (instead of 1)
x_train = np.repeat(x_train, 3, axis=-1)

# it's always better to normalize 
x_train = x_train.astype('float32') / 255

# resize the input shape , i.e. old shape: 28, new shape: 32
x_train = tf.image.resize(x_train, [32,32]) # if we want to resize 

print(x_train.shape)
# (60000, 32, 32, 3)

Answer 2

TheRevanchist 的答案是正确的。但是，对于 mnist 数据集，您首先需要重塑 mnist 数组，然后再将其发送到 tf.image.resize_images():

import tensorflow as tf
import numpy as np
import cv2

mnist = tf.contrib.learn.datasets.load_dataset("mnist")

batch = mnist.train.next_batch(10)
X_batch = batch[0]
batch_tensor = tf.reshape(X_batch, [10, 28, 28, 1])
resized_images = tf.image.resize_images(batch_tensor, [22,22])

上面的代码取出一批 10 mnist 图像，并将它们从 28x28 图像重塑为 22x22 张量流图像。

如果你想显示图像，你可以使用opencv和下面的代码。 resized_images.eval() 将张量流图像转换为 numpy 数组！

with tf.Session() as sess:
    numpy_imgs = resized_images.eval(session=sess) # mnist images converted to numpy array
    for i in range(10):
        cv2.namedWindow('Resized image #%d' % i, cv2.WINDOW_NORMAL)
        cv2.imshow('Resized image #%d' % i, numpy_imgs[i])
        cv2.waitKey(0)

Answer 3

您尝试过 tf.image.resize_image 吗？

方法：

resize_images(images, size, method=ResizeMethod.BILINEAR,
    align_corners=False)

其中 images 是一批图像，size 是确定新高度和宽度的向量张量。您可以在此处查看完整文档：https://www.tensorflow.org/api_docs/python/tf/image/resize_images

Answer 4

• 您可以使用

  opencv

  的cv2.resize()
功能
• 使用 for 循环遍历每个图像

• 在每个图像的 for 循环内部添加此行

  cv2.resize(source_image, (22, 22))

  def resize(mnist):
       train_data = []
       for img in mnist.train._images:
              resized_img = cv2.resize(img, (22, 22))
              train_data.append(resized_img)
       return train_data