Python中numpy.pad()函数的使用详解
作者：大彤小忆
numpy.pad()函数的使用
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。
numpy.pad() 常用于深度学习中的数据预处理，可以将numpy数组按指定的方法填充成指定的形状。
语法结构
ndarray = numpy.pad(array, pad_width, mode, **kwargs)
- array表示需要填充的数组；
- pad_width表示在各维度的各个方向上想要填补的长度。参数输入方式为: ((before_1, after_1), … (before_N, after_N))；
- mode表示填充的方式，总共有11种填充模式；
- **kwargs表示填充的值，与pad_width相对应。
填充模式
- constant表示连续填充相同的值，每个维度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。
示例
examples1: 用不同的填充模式对一维数组进行填充：
import numpy as np
arr1D = np.array([1, 1, 2, 2, 3, 3, 4, 4])
'''不同的填充模式'''
print('constant: ' + str(np.pad(arr1D, (1, 2), 'constant')))
print('edge: ' + str(np.pad(arr1D, (1, 2), 'edge')))
print('linear_ramp: ' + str(np.pad(arr1D, (1, 2), 'linear_ramp')))
print('maximum: ' + str(np.pad(arr1D, (1, 2), 'maximum')))
print('mean: ' + str(np.pad(arr1D, (1, 2), 'mean')))
print('median: ' + str(np.pad(arr1D, (1, 2), 'median')))
print('minimum: ' + str(np.pad(arr1D, (1, 2), 'minimum')))
print('reflect: ' + str(np.pad(arr1D, (1, 2), 'reflect')))
print('symmetric: ' + str(np.pad(arr1D, (1, 2), 'symmetric')))
print('wrap: ' + str(np.pad(arr1D, (1, 2), 'wrap')))
不同模式填充结果：
constant: [0 1 1 2 2 3 3 4 4 0 0]
edge: [1 1 1 2 2 3 3 4 4 4 4]
linear_ramp: [0 1 1 2 2 3 3 4 4 2 0]
maximum: [4 1 1 2 2 3 3 4 4 4 4]
mean: [2 1 1 2 2 3 3 4 4 2 2]
median: [2 1 1 2 2 3 3 4 4 2 2]
minimum: [1 1 1 2 2 3 3 4 4 1 1]
reflect: [1 1 1 2 2 3 3 4 4 4 3]
symmetric: [1 1 1 2 2 3 3 4 4 4 4]
wrap: [4 1 1 2 2 3 3 4 4 1 1]
examples2: 用不同的填充模式对多维数组进行填充：
import numpy as np
arr3D = np.array([[[1, 1, 2, 2, 3, 4], [1, 1, 2, 2, 3, 4], [1, 1, 2, 2, 3, 4]],
[[0, 1, 2, 3, 4, 5], [0, 1, 2, 3, 4, 5], [0, 1, 2, 3, 4, 5]],
[[1, 1, 2, 2, 3, 4], [1, 1, 2, 2, 3, 4], [1, 1, 2, 2, 3, 4]]])
'''不同的填充模式'''
print('constant: \n' + str(np.pad(arr3D, ((0, 0), (1, 1), (2, 2)), 'constant')))
print('edge: \n' + str(np.pad(arr3D, ((0, 0), (1, 1), (2, 2)), 'edge')))
print('linear_ramp: \n' + str(np.pad(arr3D, ((0, 0), (1, 1), (2, 2)), 'linear_ramp')))
print('maximum: \n' + str(np.pad(arr3D, ((0, 0), (1, 1), (2, 2)), 'maximum')))
print('mean: \n' + str(np.pad(arr3D, ((0, 0), (1, 1), (2, 2)), 'mean')))
print('median: \n' + str(np.pad(arr3D, ((0, 0), (1, 1), (2, 2)), 'median')))
print('minimum: \n' + str(np.pad(arr3D, ((0, 0), (1, 1), (2, 2)), 'minimum')))
print('reflect: \n' + str(np.pad(arr3D, ((0, 0), (1, 1), (2, 2)), 'reflect')))
print('symmetric: \n' + str(np.pad(arr3D, ((0, 0), (1, 1), (2, 2)), 'symmetric')))
print('wrap: \n' + str(np.pad(arr3D, ((0, 0), (1, 1), (2, 2)), 'wrap')))
constant填充模式的结果如下（其他模式的运行结果省略）：
[[[0 0 0 0 0 0 0 0 0 0]
[0 0 1 1 2 2 3 3 0 0]
[0 0 1 1 2 2 3 3 0 0]
[0 0 1 1 2 2 3 3 0 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 4 5 0 0]
[0 0 0 1 2 3 4 5 0 0]
[0 0 0 1 2 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 4 4 5 5 6 6 0 0]
[0 0 4 4 5 5 6 6 0 0]
[0 0 4 4 5 5 6 6 0 0]
[0 0 0 0 0 0 0 0 0 0]]]
examples3: 使用constant填充模式对一维数组填充。
import numpy as np
arr1D = np.array([1, 2, 3])
ndarray=np.pad(arr1D,(1,2),'constant', constant_values=(0,2))
# (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
print("arr1D=",arr1D)
print("ndarray=",ndarray)
运行结果：
arr1D= [1 2 3]
ndarray= [0 1 2 3 2 2]
examples4: 使用constant填充模式对多维数组填充。
import numpy as np
arr2D = 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(arr2D,((1,1),(2,2)),'constant', constant_values=(0,3))
print("arr2D=",arr2D)
print("ndarray=",ndarray)
运行结果：
arr2D= [[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]]
到此这篇关于Python中numpy.pad()函数的使用详解的文章就介绍到这了,更多相关numpy.pad()函数的使用内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！