Python 不同图像大小的Keras CNN

我正在尝试使用VOC2012数据集来训练CNN。对于我的项目，我需要B&W数据，所以我提取了R组件。到现在为止，一直都还不错。问题是图像大小不同，所以我不知道如何将其传递给模型。我编译了我的模型，然后创建了大小为32的小批量，如下所示（其中

X\u-train

和

Y\u-train

是文件的路径）

---

但是，我怀疑，由于图像大小不同，numpy数组的形状（32），而不是我预期的（32，高度，宽度，1）。我该如何处理这个问题呢？

根据一些消息来源，人们确实能够训练至少一些具有不同输入大小的体系结构。（，）

在生成大小不同的数组数组时，可以简单地使用一个Python NumPy数组列表，或者使用类型为

object

的

ndarray

来收集所有图像数据。然后在培训过程中，Quora的回答提到，只能使用批量大小1，或者可以根据大小将多个图像聚集在一起。即使用零填充也可以使图像大小均匀，但我不能说这种方法的有效性

祝你研究顺利

用于说明的示例代码： 可能重复的

for x in X_train:
    img = plt.imread(x)
    img = img.reshape(*(img.shape), 1)
    X.append(img)

for y in Y_train:
    img = plt.imread(y)
    img = img.reshape(*(img.shape), 1)
    Y.append(img)

model.train_on_batch(np.array(X), np.array(Y))

# Generate 10 "images" with different sizes
images = [np.zeros((i+5, i+10)) for i in range(10)]
images = np.array([np.zeros((i+5, i+10)) for i in range(10)])

# Or an empty array to append to
images = np.array([], dtype=object)