有效调整批量 np.array 图像的大小

我有一个 4D np.array 大小 (10000,32,32,3)，表示一组 10000 个 RGB 图像。

我该如何使用skimage.transform.resize或其他函数来有效地调整所有图像的大小，以便将 (32,32) 插值到 (224,224)？我更喜欢使用 skimage 来完成此操作，但我对任何不使用的解决方案持开放态度tf.image.resize_images.

我当前的解决方案是使用tf.image.resize_images，但它稍后会在我的管道中导致 GPU 内存问题（在 jupyter 笔记本中完成后不会释放内存），所以我想更换它。

Example:

import tensorflow as tf
X = tf.image.resize_images(X,[224, 224])
with tf.Session() as sess:
    X = X.eval()

我不太可能接受我自己的答案，但似乎一个简单的 for 循环实际上相当快（说大约 300% 的 cpu 利用率top).

from skimage.transform import resize

imgs_in = np.random.rand(100, 32, 32, 3)
imgs_out = np.zeros((100,224,224,3))

for n,i in enumerate(imgs_in):
    imgs_out[n,:,:,:] = resize(imgs_in[n,:,:,:], imgs_out.shape[1:], anti_aliasing=True)

print(imgs_out.shape)

似乎比快 7-8 倍ndi.zoom在我的机器上。尝试将其进一步并行化multiprocessing我想会更好。