np.pad()详解

👨‍💻个人简介： 深度学习图像领域工作者，5年工作经验（目标检测、分割、分类、Matting）
🎉总结链接：
             链接中主要是个人工作的总结，每个链接都是一些常用demo，代码直接复制运行即可。包括：
                    📌1.工作中常用深度学习脚本
                    📌2.torch、numpy等常用函数详解
                    📌3.opencv 图片、视频等操作
                    📌4.个人工作中的项目总结（纯干活）
              链接： https://blog.csdn.net/qq_28949847/article/details/128552785
🎉视频讲解： 以上记录，通过B站等平台进行了视频讲解使用，可搜索 ‘Python图像识别’ 进行观看
              B站：Python图像识别
              抖音：Python图像识别
              西瓜视频：Python图像识别

---

1. 作用：

np.pad()用来在numpy数组的边缘进行数值填充，例如CNN网络常用的padding操作

2. 语法结构

np.pad(array，pad_width，mode，**kwargs)　　

2.1 参数说明：

array：要填充的numpy数组【要对谁进行填充】
pad_width：每个轴要填充的数据的数目【每个维度前、后各要填充多少个数据】
mode：填充的方式【采用哪种方式填充】

2.1.1 参数pad_width解析

pad_width参数类型：sequence，array_like，int
pad_width参数格式：((before_1, after_1), (before_2, after_2), … , (before_N, after_N))

第一个元素(before_1, after_1)表示第一维【列】的填充方式：前面填充before_1个数值，后面填充after_1个数值
第2个元素(before_2, after_2)表示第二维【行】的填充方式：前面填充before_2个数值，后面填充after_2个数值
… …

2.1.2 说明

（1）一维数组的rank = 1，所以对一维数组填充时，其pad_width参数只能是一个元组(before_1， after_1)，当然也可以是一个int类型，表示前后填充的数值个数相同，例如：

a = np.array([1, 2, 3, 4, 5])
b = np.pad(a, 2, 'constant')　　# 正确写法
c = np.pad(a, (2, 4), 'constant')　　# 正确写法
d = np.pad(a, ((2, 4), (3, 5)), 'constant')　　# 错误写法，因为a是一维数组，而(3, 5)表示在第二个维度进行填充

（2）二维数组的rank = 2，因此对二维数组填充时，其pad_width参数可以是两个并列的元组((before_1, after_1), (before_2, after_2))，但要注意将其合并为一个整体(即外加括号变成一个大元组)一起进行传参。
当然也可以是一个元组(before, after)，表示两个维度都按照此方式填充；
当然也可以是一个int类型，表示两个维度前后填充的个数都相同；
例如:

aa = np.arange(6).reshape(2, 3)
bb = np.pad(aa, 2, 'constant')　　# 正确写法
cc = np.pad(aa, (2, 4), 'constant')　　# 正确写法
dd = np.pad(aa, ((2, 4), (3, 5)), 'constant')　　# 正确写法
ee = np.pad(aa, (2, 4), (3, 5), 'constant')　　# 错误写法，必须将两个元组合成一个大元组传参

2.2 参数mode解析

mode参数类型：str（10种取值）、function

str类型取值包括：

‘constant’——表示连续填充相同的值，每个轴可以分别指定填充值，constant_values=（x, y）时前面用x填充，后面用y填充，缺省值填充0
‘edge’——表示用边缘值填充
‘linear_ramp’——表示用边缘递减的方式填充
‘maximum’——表示最大值填充
‘mean’——表示均值填充
‘median’——表示中位数填充
‘minimum’——表示最小值填充
‘reflect’——表示对称填充
‘symmetric’——表示对称填充
‘wrap’——表示用原数组后面的值填充前面，前面的值填充后面

2.3 如何理解轴的概念？

轴是指行/列的堆叠方向

3. 测试代码：

import numpy as np

# 测试一维数组
a = np.array([1, 2, 3, 4, 5])

b = np.pad(a, 2, 'constant')
print("b = ", b)

c = np.pad(a, (2, 4), 'constant')
print("c = ", c)


# 测试二维数组
aa = np.arange(6).reshape(2, 3)
print("aa = \n", aa)

bb = np.pad(aa, (2, 4), 'constant')
print("bb = \n", bb)

cc = np.pad(aa, ((2, 4), (3, 5)), 'constant')
print("cc = \n", cc)


# 测试三维数组
aaa = np.arange(24).reshape(2, 3, 4)
print("aaa = \n", aaa)

np.set_printoptions(threshold=np.inf) # 将numpy数组完全展开
bbb = np.pad(aaa, ((2, 3), (4, 5), (6, 7)), 'constant')# 块上加了2/3，列上加了4/5，行上加了6/7
print("bbb = \n", bbb)