python中的padding操作代码实现

pad_1D:

例如：每个batch中的音素的padding，每个音素先用一个一维int编号表示，每句话的音素序列是不等长的，需要将每个batch中的所有句子的音素序列按照最长的padding成等长的形式。

代码及输入输出格式：

import numpy as np

def pad_1D(inputs, PAD=0):
    def pad_data(x, length, PAD):
        x_padded = np.pad(
            x, (0, length - x.shape[0]), mode="constant", constant_values=PAD
        )
        return x_padded

    max_len = max((len(x) for x in inputs))
    padded = np.stack([pad_data(x, max_len, PAD) for x in inputs])

    return padded

# 输入格式
a = [np.array([1,2,3]),
     np.array([1,2]),
     np.array([1,2,3,4])]

# 输出格式
b = pad_1D(a)
print(b)
# b = [[1 2 3 0]
#      [1 2 0 0]
#      [1 2 3 4]]

pad_2D:

例如：每个batch中的梅尔谱的padding，每句话的梅尔谱用二维的float表示，分别代表时长和频率维度，每个batch中的每句话的梅尔谱的时长是不等的，而频率维度是相等的，需要将每个batch中的所有句子的梅尔谱按照最长的时长padding成等长的形式。

代码及输入输出格式：

import numpy as np

def pad_2D(inputs, maxlen=None):
    def pad(x, max_len):
        PAD = 0
        if np.shape(x)[0] > max_len:
            raise ValueError("not max_len")

        s = np.shape(x)[1]
        x_padded = np.pad(
            x, (0, max_len - np.shape(x)[0]), mode="constant", constant_values=PAD
        )
        return x_padded[:, :s]

    if maxlen:
        output = np.stack([pad(x, maxlen) for x in inputs])
    else:
        max_len = max(np.shape(x)[0] for x in inputs)
        output = np.stack([pad(x, max_len) for x in inputs])

    return output

# 输入格式
a = [np.array([[1,2,3],
               [1,2,3],
               [1,2,3]]),
     np.array([[1,2,3],
               [1,2,3]]),
     np.array([[1,2,3],
               [1,2,3],
               [1,2,3],
               [1,2,3]])]

# 输出格式
b = pad_2D(a)
print(b)
# [[[1 2 3]
#   [1 2 3]
#   [1 2 3]
#   [0 0 0]]

#  [[1 2 3]
#   [1 2 3]
#   [0 0 0]
#   [0 0 0]]

#  [[1 2 3]
#   [1 2 3]
#   [1 2 3]
#   [1 2 3]]]