np.pad()的一些学习笔记

np.pad()的一些学习小心得

在卷积神经网络中，为了避免因为卷积运算导致输出图像缩小和图像边缘信息丢失，常常采用图像边缘填充技术，即在图像四周边缘填充0，使得卷积运算后图像大小不会缩小，同时也不会丢失边缘和角落的信息。在Python的numpy库中，常常采用numpy.pad()进行填充操作，具体分析如下：

1. np.pad()函数
   pad(array, pad_width, mode, **kwargs)
   返回值：数组

2.参数解释
array——表示需要填充的数组；
pad_width——表示每个轴（axis）边缘需要填充的数值数目。
参数输入方式为：（(before_1, after_1), … (before_N, after_N)），其中(before_1, after_1)表示第1轴两边缘分别填充before_1个和after_1个数值。取值为：{sequence, array_like, int}

mode——表示填充的方式（取值：str字符串或用户提供的函数）,总共有11种填充模式；

3. 填充方式
   ‘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.举例：
import numpy as np
A = np.arange(95,99).reshape(2,2)
print(“A是：”,A)

print(np.pad(A,((1,2),(5,3)),‘constant’,constant_values = (4,2)))
运行结果是：
我的一些理解，如有不对请批评指正

5.原文链接：https://blog.csdn.net/zenghaitao0128/article/details/78713663
之前是看了这篇博客自己做的一些笔记，原文还有很多，大家可以去看
6.后来我又看了一点高维的，因为我的代码里是4维的数组，然后看了一个三维的，有一点启发。
x=np.random.randn(2,2,2)

y=np.pad(x,((2,5),(1,2),(4,3)),‘constant’)

表示在（2,5）三维上前面增加2个数组，后面增加5个数组；

（1,2）表示在二维上前面增加一行，后面增加两行；

（4,3）表示在一维上前面增加4个数字，后面增加3个数字。
————————————————
这一点启发来自于：
原文链接：https://blog.csdn.net/qq_41705596/article/details/93382328