在 tensorflow 或 keras 中从头开始通过标准 mobileNet、VGG-16 或 AlexNet 训练 cifar 数据集的图像大小问题
image size issue to train cifar dateset by standard mobileNet,VGG-16 or AlexNet from scratch in tensorflow or keras
假设，我想通过 Tensorflow 中的 CIFAR-10 或 CIFAR-100 数据集从头开始训练标准 AlexNet、VGG-16 或 MobileNet，或者 Keras.Now 问题是，标准 AlexNet、VGG 的架构-16 或 MobileNet 是为 ImageNet 数据集构建的，其中每个图像是 224*224 但在 CIFAR-10 或 CIFAR-100 数据集中，每个图像是 32*32.So 我应该做以下哪一个？？？
- 将 CIFAR-10 或 CIFAR-100 数据集中的每个图像从 32*32 调整为 224*224，然后在修改后的图像数据集上训练标准 AlexNet、MobileNet 或 VGG-16。
或
- 更改标准 MobileNet、AlexNet 或 VGG-16 的架构（层数或步长或过滤器大小），以便修改后的架构可以提供 CIFAR-10 或 CIFAR-100 数据集的 32*32 图像。
如果答案是选项 1，请建议我如何在 tensorflow 或 keras 中调整一批图像的大小
或者如果答案是选项 2，请为 MobileNet、VGG-16 或 Alexnet（层、步幅、过滤器）建议一些架构，以在 32*32 图像的 Cifar 数据集中训练它们
提前致谢。
实际上你可以指定这些网络的输入形状，如果你阅读文档你可以看到 (32, 32, 3) 是一个正确的输入值：
https://keras.io/applications/#mobilenet
https://keras.io/applications/#vgg16
input_shape: optional shape tuple, only to be specified if include_top
is False (otherwise the input shape has to be (224, 224, 3) (with
'channels_last' data format) or (3, 224, 224) (with 'channels_first'
data format). It should have exactly 3 inputs channels, and width and
height should be no smaller than 32. E.g. (200, 200, 3) would be one
valid value.
您也可以重塑所有图像，但我认为这不是一个好主意，这些网络上的 224*224 图像训练时间会很长。
假设，我想通过 Tensorflow 中的 CIFAR-10 或 CIFAR-100 数据集从头开始训练标准 AlexNet、VGG-16 或 MobileNet，或者 Keras.Now 问题是，标准 AlexNet、VGG 的架构-16 或 MobileNet 是为 ImageNet 数据集构建的，其中每个图像是 224*224 但在 CIFAR-10 或 CIFAR-100 数据集中，每个图像是 32*32.So 我应该做以下哪一个？？？
- 将 CIFAR-10 或 CIFAR-100 数据集中的每个图像从 32*32 调整为 224*224，然后在修改后的图像数据集上训练标准 AlexNet、MobileNet 或 VGG-16。
或
- 更改标准 MobileNet、AlexNet 或 VGG-16 的架构（层数或步长或过滤器大小），以便修改后的架构可以提供 CIFAR-10 或 CIFAR-100 数据集的 32*32 图像。
如果答案是选项 1，请建议我如何在 tensorflow 或 keras 中调整一批图像的大小
或者如果答案是选项 2，请为 MobileNet、VGG-16 或 Alexnet（层、步幅、过滤器）建议一些架构，以在 32*32 图像的 Cifar 数据集中训练它们
提前致谢。
实际上你可以指定这些网络的输入形状，如果你阅读文档你可以看到 (32, 32, 3) 是一个正确的输入值：
https://keras.io/applications/#mobilenet
https://keras.io/applications/#vgg16
input_shape: optional shape tuple, only to be specified if include_top is False (otherwise the input shape has to be (224, 224, 3) (with 'channels_last' data format) or (3, 224, 224) (with 'channels_first' data format). It should have exactly 3 inputs channels, and width and height should be no smaller than 32. E.g. (200, 200, 3) would be one valid value.
您也可以重塑所有图像，但我认为这不是一个好主意，这些网络上的 224*224 图像训练时间会很长。