【Python深度学习】图片识别任务中，原始数据集中图片的大小不固定时，用代码设置大小为多少合适？

在做图片分类识别任务时，如果没有公开数据集的情况下，需要自己去网上找相应的图片数据，但是各种各样的图片大小不一致，手动截图的话，大小无法保证，所以此时，最好就是用代码来固定大小。

图片大小设置多少合适

在图片识别任务中，数据集中图片的大小设置取决于多种因素，包括模型的架构、计算资源以及具体的任务需求。以下是一些常见的图片大小设置建议：

1. 经典模型（例如VGG, ResNet等）：

   • 通常选择输入图片大小为 224x224 像素。这是因为许多经典模型（如VGG、ResNet等）最初是在这个大小上进行训练的。
   • 对于 ResNet 和 InceptionV3 等模型，也可以使用 299x299 的输入大小。

2. 较小的图片（例如MobileNet, EfficientNet等）：

   • 对于需要在移动设备上部署的模型，可以选择较小的图片尺寸，如 128x128 或 160x160 像素，以减少计算量和内存占用。
   • EfficientNet 使用了自适应的输入尺寸，通常从 224x224 到 600x600 像素不等，具体大小取决于模型的缩放因子。

3. 自定义任务：

   • 如果任务对细节要求较高，或者原始图片本身就很大，可