Tensorflow 为什么要在CNN之前调整数据集图像的大小，因为它会拉伸它们？

我使用以下函数（简化）初始化数据集：

在我观看的教程中，人们将输入图像的大小调整为（宽度、高度）。但这会延伸图像。我不明白为什么我们要这么做，因为在我使用的模型中，输入图像被应用了卷积。因此，我尝试不调整输入图像的大小，但在函数结束时的重塑过程中出错

---

我遗漏了什么？

你不局限于拉伸图像，也许你可以裁剪图像或添加一个颜色一致的缓冲区，尽管如果你能裁剪出更方便的图像，但你仍然可以用固定的颜色填充剩余的空间，模型会毫不在意的。

在重塑时你会遇到什么样的错误？如果不重塑图像，很可能以后无法将numpy数组的大小调整为“宽度”、“高度”。在这种情况下，必须更改宽度和高度的值。

首先需要使用

PIL

或

cv2

调整图像大小，然后将其转换为NumPy数组。由于元素数量可能会发生变化，因此重塑NumPy数组的形状将不起作用。

WIDTH = ...
HEIGHT = ...

def load_data(dataset_path):
    images = []
    labels = []
    for all_images:
        image = cv2.imread(pimage_path)
        image = cv2.resize(image, (WIDTH, HEIGHT)) #???
        labels.add(corresponding_label)
    return (np.array(images).reshape(-1, WIDTH, HEIGHT, 3) / 255, np.array(labels))