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。