numpy扩展某一维度数据

最近，在模型调整过程中，遇到了维度不匹配的问题，一个是（？,？，300），另一个是（12，56，96），前两维不需要管，第三维度需要扩充为300最终可以匹配计算，因此总结numpy的扩充数据内容如下：

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

1、其中array代表需要填充的数组（如上面的（12，56，96）这个数据）
2、pad_width 表示每个维度左右两边填充的数量，mode表示填充模式，可以是等值填充，常数填充等。
具体的可以看官网的介绍，我这里只用了0来填充，因此使用constant

x=np.arange(8).reshape(2,2,2)
k = np.pad(x,pad_width=((2,3),(3,3),(2,2)),mode='constant',constant_values=((1,2),(2,3),(2,2)))
print(x.shape)
print(k.shape)
(2, 2, 2)
(7, 8, 6)

结果的解释，首先我们x.shape为(2, 2, 2)应该没有疑问，然后我们看pad_width，它里面每一个元组表示对应的维度左右两边填充的数量，第几个元组就代表第几维，constant_values也就是对应，每一个维度左右两边各填充的值，所以比如第一维度，开始是2，因为左右两边各填充2和3，加起来相当于扩展了5个，开始是2，所以填充以后就是7了，第二维度开始是2，增加了6就是8了，第三维度增加了4，就是6了，然后各个维度对应左右两边填充的值由后面的constant_values决定。