Python 使用16位图像训练keras ResNet50V2？

我有3通道tif图像（16位）。 现在，我想将它们用作来自keras的预训练ResNet50V2上的训练图像。我知道，在使用ImageDataGenerator时，我应该调用

tf.keras.applications.resnet\u v2.preprocess\u input

作为预处理函数。我查阅了函数（）的文档，它告诉我至少需要8位数据。 有没有办法将16位图像提供给ImageDataGenerator

或者，在将图像输入ImageDataGenerator之前，我必须将图像转换为8位吗

---

我很乐意接受任何建议

我看不到您链接的文件中有8位数据的引用

是的，它可以接受16位：

import tensorflow as tf
import numpy as np

x = np.random.randint(0, 256, (1, 224, 224, 3), dtype=np.uint16)

tf.keras.applications.resnet_v2.preprocess_input(x)

---

根据站点指南，我编辑了您的问题，因此它只关注一个问题。文档中说明了参数“x”：浮点numpy.array或tf.Tensor，3D或4D，具有3个颜色通道，值范围为[0，255]。如果数据类型兼容，预处理的数据将写入输入数据。为了避免这种行为，可以使用numpy.copy（x）。我想，我应该提到，我的图像具有完整的16位范围（065535）的值除以65535？但它们仍然没有使用[0255]的范围。我根本不知道，这个预处理函数应该做什么——从-1重缩放到1？如果是这样的话，我必须在之前将图像重新缩放到[0255]。但这在哪一点是可能的？除以65535，然后乘以255

array([[[[ 0.43529415, -0.24705881, -0.23137254],
         [-0.81960785,  0.3411765 , -0.5921569 ],
         [-0.7882353 ,  0.58431375,  0.0196079 ],
         ...,
         [-0.60784316, -0.4980392 ,  1.        ],
         [-0.654902  ,  0.99215686, -0.38039213],
         [ 0.03529418, -0.7411765 , -0.8901961 ]]]], dtype=float32)