np.pad()用來在numpy數組的邊緣進行數值填充，例如CNN網絡常用的padding操作
1.語法結構
np.pad(array，pad_width，mode，**kwargs) # 返回填充后的numpy數組
array：要填充的numpy數組【要對誰進行填充】
pad_width：每個軸要填充的數據的數目【每個維度前、后各要填充多少個數據】
mode：填充的方式【采用哪種方式填充】
備注：如何理解軸的概念？
軸是指行/列的堆疊方向
2. 參數pad_width解析
pad_width參數類型：sequence，array_like，int
pad_width參數格式：((before_1, after_1), (before_2, after_2), ... , (before_N, after_N))
第一個元素(before_1, after_1)表示第一維【列】的填充方式：前面填充before_1個數值，后面填充after_1個數值
第2個元素(before_2, after_2)表示第二維【行】的填充方式：前面填充before_2個數值，后面填充after_2個數值
... ...
備注：
（1）一維數組的rank = 1，所以對一維數組填充時，其pad_width參數只能是一個元組(before_1， after_1)，當然也可以是一個int類型，表示前后填充的數值個數相同，例如
a = np.array([1, 2, 3, 4, 5])
b = np.pad(a, 2, 'constant') # 正確寫法
c = np.pad(a, (2, 4), 'constant') # 正確寫法
d = np.pad(a, ((2, 4), (3, 5)), 'constant') # 錯誤寫法，因為a是一維數組，而(3, 5)表示在第二個維度進行填充
（2）二維數組的rank = 2，因此對二維數組填充時，其pad_width參數可以是兩個並列的元組((before_1, after_1), (before_2, after_2))，但要注意將其合並為一個整體(即外加括號變成一個大元組)一起進行傳參，
當然也可以是一個元組(before, after)，表示兩個維度都按照此方式填充；
當然也可以是一個int類型，表示兩個維度前后填充的個數都相同；
例如
aa = np.arange(6).reshape(2, 3)
bb = np.pad(aa, 2, 'constant') # 正確寫法
cc = np.pad(aa, (2, 4), 'constant') # 正確寫法
dd = np.pad(aa, ((2, 4), (3, 5)), 'constant') # 正確寫法
ee = np.pad(aa, (2, 4), (3, 5), 'constant') # 錯誤寫法，必須將兩個元組合成一個大元組傳參
3.參數mode解析
mode參數類型：str（10種取值）、function
str類型取值包括：
- ‘constant’——表示連續填充相同的值，每個軸可以分別指定填充值，constant_values=（x, y）時前面用x填充，后面用y填充，缺省值填充0
- ‘edge’——表示用邊緣值填充
- ‘linear_ramp’——表示用邊緣遞減的方式填充
- ‘maximum’——表示最大值填充
- ‘mean’——表示均值填充
- ‘median’——表示中位數填充
- ‘minimum’——表示最小值填充
- ‘reflect’——表示對稱填充
- ‘symmetric’——表示對稱填充
- ‘wrap’——表示用原數組后面的值填充前面，前面的值填充后面
4.參數kwargs解析
字典類型，key包括：
stat_length：sequence、int、optional，用在"maximum", "mean", "median", "minimum"中，默認值是 None
constant_values：sequence、int、optional，用在"constant"中，默認值是 0
end_values：sequence、int、optional，用在"linear_ramp"中，默認值是 0
reflect_type：{'even', 'old'}，用在"reflect"，"symmetric"中
5.代碼測試
1 import numpy as np 2 3 # 測試一維數組 4 a = np.array([1, 2, 3, 4, 5]) 5 6 b = np.pad(a, 2, 'constant') 7 print("b = ", b) 8 9 c = np.pad(a, (2, 4), 'constant') 10 print("c = ", c) 11 12 13 # 測試二維數組 14 aa = np.arange(6).reshape(2, 3) 15 print("aa = \n", aa) 16 17 bb = np.pad(aa, (2, 4), 'constant') 18 print("bb = \n", bb) 19 20 cc = np.pad(aa, ((2, 4), (3, 5)), 'constant') 21 print("cc = \n", cc) 22 23 24 # 測試三維數組 25 aaa = np.arange(24).reshape(2, 3, 4) 26 print("aaa = \n", aaa) 27 28 np.set_printoptions(threshold=np.inf) # 將numpy數組完全展開 29 bbb = np.pad(aaa, ((2, 3), (4, 5), (6, 7)), 'constant')# 塊上加了2/3，列上加了4/5，行上加了6/7 30 print("bbb = \n", bbb)
運行結果如下：
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]] [[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]] [[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]] [[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]]]
轉載請注明博客出處：https://www.cnblogs.com/shuaishuaidefeizhu/p/14179038.html