3.5.1　尺度缩放

我们重新加载MNIST数据集，正如之前所做的：

然后，可以简单地调用rescale()方法来创建一个尺度被重新缩放的图像。调整图像尺度大小的目的是将其重新缩放到原始大小，使得图像看起来像原始图像的一个较低分辨率的图像。在缩放过程中，图像会失去一些特征，但实际上可以由此训练出一个更加健壮的深度学习模型。也就是说，这个模型对图像中目标的尺度具有更好的健壮性。

对于要处理的原始图像x，可以按如下方式对其进行缩小和放大：

此时，增强（尺度缩放）的图像在x_中。注意，在本例中，图像被缩小了2倍（50%），然后又被放大了2倍（200%）。multichannel参数设置为false，因为图像只有一个通道，这意味着它们是灰度图像。

在进行尺度缩放时，要注意需要按能够对分辨率进行精确等分的因子进行缩放。例如，一张28×28的图像，如果缩小0.5倍，就会变成14×14，这挺好的。但如果缩小0.3倍，就会缩小到8.4×8.4，也就是9×9，因为这会增加不必要的复杂情况，所以并不好。要尽量保持简单。

除了尺度缩放之外，还可以稍微修改现有数据，使现有数据既发生一些变化，又不至于偏离原始数据，下面对此进行讨论。