3.5.1　尺度縮放

我們重新加載MNIST數據集，正如之前所做的：

然后，可以簡單地調用rescale()方法來創建一個尺度被重新縮放的圖像。調整圖像尺度大小的目的是將其重新縮放到原始大小，使得圖像看起來像原始圖像的一個較低分辨率的圖像。在縮放過程中，圖像會失去一些特征，但實際上可以由此訓練出一個更加健壯的深度學習模型。也就是說，這個模型對圖像中目標的尺度具有更好的健壯性。

對于要處理的原始圖像x，可以按如下方式對其進行縮小和放大：

此時，增強（尺度縮放）的圖像在x_中。注意，在本例中，圖像被縮小了2倍（50%），然后又被放大了2倍（200%）。multichannel參數設置為false，因為圖像只有一個通道，這意味著它們是灰度圖像。

在進行尺度縮放時，要注意需要按能夠對分辨率進行精確等分的因子進行縮放。例如，一張28×28的圖像，如果縮小0.5倍，就會變成14×14，這挺好的。但如果縮小0.3倍，就會縮小到8.4×8.4，也就是9×9，因為這會增加不必要的復雜情況，所以并不好。要盡量保持簡單。

除了尺度縮放之外，還可以稍微修改現有數據，使現有數據既發生一些變化，又不至于偏離原始數據，下面對此進行討論。