np.pad()用法

最新推荐文章于 2024-05-18 19:21:53 发布

大龙唉

最新推荐文章于 2024-05-18 19:21:53 发布

阅读量8k

点赞数 6

文章标签：深度学习算法 python

原文链接：https://www.cnblogs.com/shuaishuaidefeizhu/p/14179038.html

版权

np.pad()用法

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

1.语法结构

np.pad(array，pad_width，mode，**kwargs)　　# 返回填充后的numpy数组

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】

备注：如何理解轴的概念？

轴是指行/列的堆叠方向

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

… …

备注：

（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

3.参数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
4.参数kwargs解析

字典类型，key包括：

stat_length：sequence、int、optional，用在"maximum", “mean”, “median”, "minimum"中，默认值是 None

constant_values：sequence、int、optional，用在"constant"中，默认值是 0

end_values：sequence、int、optional，用在"linear_ramp"中，默认值是 0

reflect_type：{‘even’, ‘old’}，用在"reflect"，"symmetric"中

5.代码测试

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 =
", aa)

bb = np.pad(aa, (2, 4), ‘constant’)
print("bb =
", bb)

cc = np.pad(aa, ((2, 4), (3, 5)), ‘constant’)
print("cc =
", cc)

测试三维数组

aaa = np.arange(24).reshape(2, 3, 4)
print("aaa =
", 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 =
", bbb)
运行结果如下：

b = [0 0 1 2 3 4 5 0 0]
c = [0 0 1 2 3 4 5 0 0 0 0]
aa =
[[0 1 2]
[3 4 5]]
bb =
[[0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0]
[0 0 0 1 2 0 0 0 0]
[0 0 3 4 5 0 0 0 0]
[0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0]]
cc =
[[0 0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 1 2 0 0 0 0 0]
[0 0 0 3 4 5 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0 0]]
aaa =
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]

[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
bbb =
[[[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]]

[[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]]

[[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 1 2 3 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 4 5 6 7 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 8 9 10 11 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]]

[[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 12 13 14 15 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 16 17 18 19 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 20 21 22 23 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]]

一、参数解释

ndarray = numpy.pad(array, pad_width, mode, **kwargs)
array为要填补的数组
pad_width是在各维度的各个方向上想要填补的长度,如（（1，2），（2，2）），表示在第一个维度上水平方向上padding=1,垂直方向上padding=2,在第二个维度上水平方向上padding=2,垂直方向上padding=2。如果直接输入一个整数，则说明各个维度和各个方向所填补的长度都一样。
mode为填补类型，即怎样去填补，有“constant”，“edge”等模式，如果为constant模式，就得指定填补的值，如果不指定，则默认填充0。
剩下的都是一些可选参数，具体可查看
https://docs.scipy.org/doc/numpy/reference/generated/numpy.pad.html
ndarray为填充好的返回值。
二、例子

1、对一维数组填充

【code】

import numpy as np
array = np.array([1, 1, 1])

(1,2)表示在一维数组array前面填充1位，最后面填充2位

constant_values=(0,2) 表示前面填充0，后面填充2

ndarray=np.pad(array,(1,2),‘constant’, constant_values=(0,2))

print(“array”,array)
print(“ndarray=”,ndarray)

【result】

array [1 1 1]
ndarray= [0 1 1 1 2 2]

2、对二维数组填充

【code】

import numpy as np
array = np.array([[1, 1],[2,2]])

“”"
((1,1),(2,2))表示在二维数组array第一维（此处便是行）前面填充1行，最后面填充1行；
在二维数组array第二维（此处便是列）前面填充2列，最后面填充2列
constant_values=(0,3) 表示第一维填充0，第二维填充3
“”"
ndarray=np.pad(array,((1,1),(2,2)),‘constant’, constant_values=(0,3))

print(“array”,array)
print(“ndarray=”,ndarray)

【result】

array [[1 1]
[2 2]]

ndarray= [[0 0 0 0 3 3]
[0 0 1 1 3 3]
[0 0 2 2 3 3]
[0 0 3 3 3 3]]

大龙唉

关注

6
点赞
踩
25

收藏

觉得还不错? 一键收藏
0
评论
np.pad()用法

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1.语法结构np.pad(array，pad_width，mode，**kwargs)　　# 返回填充后的numpy数组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】备注：如何理解轴的概念？轴是指行/列的堆叠方向pad_width参数类型：sequence，array_like，intpad
复制链接

扫一扫