如果我将输入大小设置为 32,32 mnist 会发生什么

Question

我想在 VGG16 上训练 MNIST。

MNIST 图像大小为 28*28，我在 keras VGG16 中将输入大小设置为 32*32。当我训练时，我得到了很好的指标，但我不确定到底发生了什么。 keras 是用空的 space 填充还是图像正在线性扩展，就像在缩放功能中一样？任何人都知道我如何在 60 个时期后获得 +95% 的测试准确率？

这里我定义目标尺寸：

    target_size = (32, 32)

这是我定义 flow_from_dataframe 生成器的地方：

train_df = pd.read_csv("cv1_train.csv", quoting=3)

train_df_generator = train_image_datagen.flow_from_dataframe(
    dataframe=train_df,
    directory="../../../MNIST",
    target_size=target_size,
    class_mode='categorical',
    batch_size=batch_size,
    shuffle=False,
    color_mode="rgb",
    classes=["zero","one","two","three","four","five","six","seven","eight","nine"]
)

这里我定义了我的输入尺寸：

model_base = VGG16(weights=None, include_top=False, 
             input_shape=(32, 32, 3), classes=10)

Answer 1

图像将简单地调整为指定的 target_size。这已在 documentation:

中明确说明

target_size: tuple of integers (height, width), default: (256, 256). The dimensions to which all images found will be resized.

您也可以查看源代码并在 load_img function. Also the default interpolation method used to resize the images is nearest. You can find more information about various interpolation methods here (MATLAB) or here (PIL) 中找到相关部分。

如果我将输入大小设置为 32,32 mnist 会发生什么

what happens if i set input size to 32,32 mnist

image-processing

machine-learning

keras

mnist

vgg-net