我正在进行一个涉及卷积神经网络及其权重的项目，我一直在尝试减少卷积神经网络中的权重数量。我想在训练卷积神经网络之前将MNIST图像从28×28调整为14×14，但我不知道如何在Keras中实现这一点。

这是导入MNIST数据集和构建卷积神经网络时使用的代码示例：

# LOAD MNIST DATA(X_train, y_train), (X_test, y_test) = mnist.load_data()# RESHAPE TO [SAMPLES][PIXELS][WIDTH][HEIGHT]X_train = X_train.reshape(X_train.shape[0], 1, 28, 28).astype('float32')X_test = X_test.reshape(X_test.shape[0], 1, 28, 28).astype('float32')# NORMALIZE 0-255 TO 0-1X_train = X_train / 255X_test = X_test / 255# ONE HOT ENCODEy_train = np_utils.to_categorical(y_train)y_test = np_utils.to_categorical(y_test)num_classes = y_test.shape[1]#DEFINE MODELdef larger_model():  # CREATE MODEL  model = Sequential()  model.add(Conv2D(2, (5, 5), input_shape=(1, 28, 28), activation='relu', padding="same"))  model.add(MaxPooling2D(pool_size=(2, 2)))  model.add(Conv2D(2, (5, 5), activation='relu', padding="same"))  model.add(MaxPooling2D(pool_size=(2, 2)))  model.add(Dropout(0.2))  model.add(Flatten())  model.add(Dense(16, activation='relu'))  model.add(Dense(num_classes, activation='softmax'))  # COMPILE MODEL  model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=  ['accuracy'])  return model# BUILD MODELmodel = larger_model()model.summary()

X_train变量是用于模型训练的变量。在训练开始前，我应该做哪些调整来将X_train的大小缩减到14×14？

谢谢！

回答：

默认的load_data函数没有提供调整大小等即时修改的选项。由于你现在有NumPy数组，你需要预处理，将图像作为数组进行调整大小。这里有一个关于调整NumPy数组作为图像的帖子。