自制数据用于pytorch训练

Question

本人自制数据集格式为(10000, 64, 64)，使用pytorch制作数据集前想将其转换为（10000, 32, 32）. 采用什么方法在不损失数据质量的情况下可以做到

Answer 1

该回答引用ChatGPT
对于这种情况，可以使用插值方法对数据进行缩放。常见的插值方法有双线性插值和最近邻插值。

双线性插值是一种基于周围四个像素点的加权平均方法，具有较好的效果。最近邻插值则是直接将每个像素点复制到目标大小的位置上。

下面是使用双线性插值的示例代码：

python
import numpy as np
import cv2

# 原始数据大小为(10000, 64, 64)
x = np.random.rand(10000, 64, 64)

# 将数据缩放到(10000, 32, 32)大小
y = np.zeros((10000, 32, 32))
for i in range(10000):
    img = x[i]
    img = cv2.resize(img, (32, 32), interpolation=cv2.INTER_LINEAR)
    y[i] = img
    
# 查看结果
print(y.shape)  # 输出(10000, 32, 32)

其中，`cv2.resize`函数的第三个参数指定了插值方法。在这里，我们使用的是双线性插值(`cv2.INTER_LINEAR`)。如果要使用最近邻插值，只需要将参数改为`cv2.INTER_NEAREST`即可。