MNIST数据集尺寸调整疑问：为何需新增轴及无轴调整方法

已实现的调整方法 #

我找到了将MNIST训练数据集从(60000, 28, 28)调整为(60000, 14, 14)的方法，代码及运行结果如下：

import tensorflow as tf
import numpy as np

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
x_train, x_test = x_train[..., np.newaxis], x_test[..., np.newaxis]

x_train_small = tf.image.resize(x_train, (14,14)).numpy()
x_test_small = tf.image.resize(x_test, (14,14)).numpy()


print(x_train.shape)
print(x_test.shape)
print(x_train_small.shape)
print(x_test_small.shape)

运行结果：

(60000, 28, 28, 1)
(10000, 28, 28, 1)
(60000, 14, 14, 1)
(10000, 14, 14, 1)

技术问题解答 #

1. 为何必须新增一个维度才能完成目标尺寸的调整？ #

这是因为tf.image.resize的输入要求是4维张量，标准格式为(batch_size, height, width, channels)（样本数、高度、宽度、通道数）。原始MNIST数据集加载后是3维的(样本数, 28, 28)，它省略了单通道灰度图的通道轴。如果直接把3维张量传给tf.image.resize，TensorFlow会因为输入维度不符合API规范报错，所以必须新增一个通道维度（变成(60000,28,28,1)），才能让函数正确识别输入结构。

2. 是否存在无需新增维度即可完成该尺寸调整的其他方法？ #

当然有，以下几种方法都不需要提前新增通道维度就能完成尺寸调整：

方法一：用NumPy批量调整尺寸

import numpy as np
from tensorflow.keras.datasets import mnist

(x_train, _), _ = mnist.load_data()
# 遍历每个样本，用np.resize调整尺寸
x_train_small = np.array([np.resize(img, (14,14)) for img in x_train])
print(x_train_small.shape)  # 输出：(60000, 14, 14)

方法二：用OpenCV的resize函数

import cv2
import numpy as np
from tensorflow.keras.datasets import mnist

(x_train, _), _ = mnist.load_data()
# 利用cv2.resize逐个处理样本
x_train_small = np.array([cv2.resize(img, (14,14)) for img in x_train])
print(x_train_small.shape)  # 输出：(60000, 14, 14)

方法三：手动实现下采样（以均值降采样为例）

如果想避免依赖第三方库，可以手动对图像做2倍降采样，比如取每个2x2像素块的均值：

import numpy as np
from tensorflow.keras.datasets import mnist

(x_train, _), _ = mnist.load_data()
# 重塑数组结构，按2x2块分组后取均值
x_train_small = x_train.reshape(60000, 14, 2, 14, 2).mean(axis=(2,4))
print(x_train_small.shape)  # 输出：(60000, 14, 14)

注意：如果之后要把调整后的数据集用于TensorFlow的CNN模型，通常还是需要补加通道维度，因为大部分卷积层都要求输入为4维张量。

内容的提问来源于stack exchange，提问作者Minnie