numpy.pad的快速理解

在学习cnn的时候，看了网上好多关于np.pad这个函数的理解，说实话，好多不太对，经过自己的尝试和理解，想做下总结，方便其他人学习。
举个例子，比较浅显易懂：

import numpy as np
a = [[1, 2, 3], [1, 3, 4], [1, 2, 3]]
print(np.pad(a, ((1, 2), (3, 4)), 'constant', constant_values=0))

其中，((2, 2), (2, 2))是矩阵上面增加一行，下面增加一行，左边增加一列，右边增加一列，采用的是‘constant’的方式，增加的常数值是0。
再举个三维的例子。

import numpy as np
arr3D = np.array([[[1, 1, 2, 2, 3, 4],
                   [1, 1, 2, 2, 3, 4],
                   [1, 1, 2, 2, 3, 4]],

                  [[0, 1, 2, 3, 4, 5],
                   [0, 1, 2, 3, 4, 5],
                   [0, 1, 2, 3, 4, 5]],

                  [[1, 1, 2, 2, 3, 4],
                   [1, 1, 2, 2, 3, 4],
                   [1, 1, 2, 2, 3, 4]]])

print(np.pad(arr3D, ((0, 0), (2, 2), (3, 2)), 'constant', constant_values=0))

三维的矩阵可以看成是空间上有三张图片从前往后依次叠加，第一个矩阵
[[1, 1, 2, 2, 3, 4],
[1, 1, 2, 2, 3, 4],
[1, 1, 2, 2, 3, 4]]看成是第一张图片，同理，剩下的两个矩阵分别是第二张第三张图片。
再看pad里面的参数((0, 0), (2, 2), (3, 2))，与二维一样，代表的是增加的行列数，分别是前面增加了0张图片，后面增加了0张图片；所有图片上面增加了2行，下面增加了2行；左边增加了3列，右边增加了2列。这些数值可以按照自己想要填补的数值进行修改即可。
个人觉得这个函数比较难理解的就是参数这一块，搞清楚规则就没问题了。