填充序列使文本集中所有文本长度相同。
函数原型
keras.preprocessing.sequence.pad_sequences(sequences,
maxlen=None,
dtype='int32',
padding='pre',
truncating='pre',
value=0.0)
这个函数将num_samples
个文本序列列表 (每个序列为整数列表) 转换成一个 2D Numpy数组,数组形状为 (num_samples, num_timesteps)
。如果指定了参数 maxlen 的值,则num_timesteps
的值取maxlen
的值,否则num_timesteps的值等于最长序列的长度。
如果序列长度小于num_timesteps
的值,则用参数value
的值填充序列。
如果序列长度大于num_timesteps
的值,则截断序列以满足用户要求的序列长度。填充和截断的位置取决于参数padding
和truncating
。
参数
- sequences: 列表的列表,列表中的每个元素都是一个序列。
- maxlen: 整数,所有序列的最大长度。
- dtype: 输出序列的类型。输出序列的类型。为了用可变长度字符串填充序列,可以使用
object
。 - padding: 字符串, 'pre' 或 'post': 在序列前填充或在序列后填充。
- truncating: 字符串, 'pre' 或 'post': 如果序列长度大于
maxlen
的值,从序列前端截取或者从序列后端截取。 - value: 单精度浮点数或者字符串,填充值。
导入数据
from keras.datasets import imdb
from keras.preprocessing import sequence
(X_train, y_train), (X_test, y_test) = imdb.load_data()
查看第0篇文本长度和第10篇文本长度
![a7d8fc9f09fc9d5bb39ae4a2f042a3df.png](https://i-blog.csdnimg.cn/blog_migrate/767fcf76348707d704ee0e3eaecf7da7.png)
使各序列长度为400
# 使各序列长度都为400
max_sequence_len = 400
X_train = sequence.pad_sequences(X_train, maxlen=max_sequence_len)
查看填充后的第0篇文本
![2e9961aa96e957a5d4875468ffa93fd4.png](https://i-blog.csdnimg.cn/blog_migrate/684886808540b454ba57c80c1224abe3.jpeg)
显然,默认情况下,用0在文本前边填充。
查看截断前的第10篇文本
![5e0a2a7a49effdbc2df79da9be581607.png](https://i-blog.csdnimg.cn/blog_migrate/514031a2cc749890551db63f6ba8cac6.jpeg)
查看截断后的第10篇文本
![868bf26c52f89df4a07ac280b40d0f00.png](https://i-blog.csdnimg.cn/blog_migrate/bd8564e9a7829fe79eb3d14cc13640cb.jpeg)
显然,默认情况下,在文本前边截断。
在文本前边补0
参考:
baiziyu:keras-pad_sequenceszhuanlan.zhihu.com![0f35d73609c421609203fce8ae41031c.png](https://i-blog.csdnimg.cn/blog_migrate/16e52dd6cf8e4e1c59f41f873ff30a76.jpeg)