numpy pad函数

在卷积神经网络中一个重要的操作就是padding,翻译为填充。就是把一张图片的作为填上一些像素点,以免使得在卷积过程中,图像边缘的点的信息卷积次数过少,而使信息丢失。

 

在numpy函数中已经把padding封装好了。

此处重点讨论这函数的具体用法。

import numpy as np
import h5py
import matplotlib.pyplot as plt

a=np.array([1,2,3,4])
b=np.pad(a,((1,2)),'constant')
print(b)

[0 1 2 3 4 0 0]
import numpy as np
import h5py
import matplotlib.pyplot as plt

a=np.array([1,2,3,4])
b=np.pad(a,((1,2)),'constant',constant_values=(0,1))
print(b)

[0 1 2 3 4 1 1]

第一个参数是填充的矩阵数组,第二个参数是填充的个数,此例中第一个参数‘1’表示在前面填充1个,第二个参数‘2’表示在后面填充2个,constant表示连续填充填充,默认为0.

1)

  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值