Python 如何将MNIST列车图像从（60000,28,28）重塑为（60000,16,16）？

我正在尝试使用Keras学习具有简单密集层的MNIST数据集。 我希望我的图像大小为16*16，而不是28*28。我用了很多方法，但都不管用。这是一个简单的密集网络：

导入keras
将numpy作为np导入
输入mnist
从tensorflow.keras.models导入顺序
从tensorflow.keras.layers导入稠密
从tensorflow.keras.utils导入到
train\u images=mnist.train\u images（）
列车标签=列表列车标签（）
test_images=mnist.test_images（）
test_labels=mnist.test_labels（）
#使图像正常化。
列车图像=（列车图像/255）-0.5
测试图像=（测试图像/255）-0.5
打印（序列图像.形状）
打印（测试图像.形状）
#将图像展平。
train_images=train_images.重塑（-1784））
test_images=test_images.重塑（-1784））
打印（序列图像.形状）
打印（测试图像.形状）
#建立模型。
模型=顺序([
密集型（10，激活=softmax'，输入_形=（784，），
])
#编译模型。
model.compile(
优化器='adam'，
损失class='classifical_crossentropy'，
指标=[“准确度”]，
)
#训练模型。
模型拟合(
列车图像，
分类（列车标签），
纪元=5，
批次大小=32，
)
#评估模型。
模型评估(
测试图像，
分类（测试标签）
)
#将模型保存到磁盘。
model.save_权重（'model.h5'））

尝试此方法一次调整所有图像的大小-

#!pip install --upgrade tensorflow
#Assuming you are using tensorflow 2

import numpy as np
import tensorflow as tf

#creating dummy images
imgs = np.stack([np.eye(28), np.eye(28)])
print(imgs.shape)
#Output - (2,28,28) 2 images of 28*28


imgt = imgs.transpose(1,2,0)  #Bring the batch channel to the end (28,28,2)
imgs_resize = tf.image.resize(imgt, (16,16)).numpy() #apply resize (14,14,2)
imgs2 = imgs_resize.transpose(2,0,1) #bring the batch channel back to front (2,14,14)
print(imgs2.shape)
#Output - (2,16,16)

---

尝试此方法一次调整所有图像的大小-

#!pip install --upgrade tensorflow
#Assuming you are using tensorflow 2

import numpy as np
import tensorflow as tf

#creating dummy images
imgs = np.stack([np.eye(28), np.eye(28)])
print(imgs.shape)
#Output - (2,28,28) 2 images of 28*28


imgt = imgs.transpose(1,2,0)  #Bring the batch channel to the end (28,28,2)
imgs_resize = tf.image.resize(imgt, (16,16)).numpy() #apply resize (14,14,2)
imgs2 = imgs_resize.transpose(2,0,1) #bring the batch channel back to front (2,14,14)
print(imgs2.shape)
#Output - (2,16,16)