用略读调整到更大的分辨率会导致路缘石中的形状类型错误

我的目标是在没有最后两个完全连接的层的情况下采用一个预先训练的模型,为cifar-10构建新的我自己的分类器。我面临的第一个问题是vgg至少希望 48*48*3 CIFAR-10数据集附带的张量 32*32*3 图像。我知道 ImageDataGenerator.flow_from_directory 内置 target_size 参数,但我不能在这里使用它,因为图像已经在内存中:

from keras.applications import VGG16
from keras.datasets import cifar10
from keras.preprocessing.image import ImageDataGenerator
import numpy as np
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
vgg_conv = VGG16(weights='imagenet', include_top=False, input_shape=(48, 48, 3)) # 48 its a minimum width 

>> type(x_train) #we have numpy here
numpy.ndarray

用于转换我正在使用的图像 skimage (不知道为什么,但似乎有效):

from  skimage import transform
new_shape = (48,88,3)
x_train = np.asarray([transform.resize(image, new_shape) for image in x_train])

接下来,我们将它传递给生成器,以便能够为nn提供批处理。不幸的是它没有 目标尺寸 参数,所以我用 resize 之前:

train_generator = datagen.flow(
    x_train, 
    batch_size=batch_size, 
    shuffle=True)

然后我在重复 train_generator 运气不好:

for inputs_batch  in train_generator:
    features_batch = vgg_conv.predict(inputs_batch)
    train_features[i * batch_size : (i + 1) * batch_size] = features_batch 
    i += 1
    if i * batch_size >= nImages:
        break

这是我得到的错误:

值错误回溯(最近一次调用) --->2个功能部件批次=VGG转换预测(输入批次) 值错误:检查输入时出错:期望输入4具有形状(48、48、3),但得到的数组具有形状(48、88、3)

这个问题可能与 flow generator ,其中:

    # Returns
        An `Iterator` yielding tuples of `(x, y)`
            where `x` is a numpy array of image data
            (in the case of a single image input) or a list
            of numpy arrays (in the case with
            additional inputs) and `y` is a numpy array
            of corresponding labels. If 'sample_weight' is not None,
        the yielded tuples are of the form `(x, y, sample_weight)`.
        If `y` is None, only the numpy array `x` is returned.

所以我有两个问题:这里有什么问题,有没有更好的方法来调整图像的大小,也许有些内置于keras函数中?