练习：Padding 填充

在卷积神经网络中实施填充是一件十分重要的事情，如果没有填充，边缘区域的像素值基本不会受到卷积层的影响。

那么，如何写填充代码：

# if you want to pad the array "a" of shape (5,5,5,5,5)(5,5,5,5,5) with pad = 1 for the 2nd dimension, # pad = 3 for the 4th dimension and pad = 0 for the rest, you would doa = np.pad(a, ((0,0), (1,1), (0,0), (3,3), (0,0)), 'constant', constant_values = (..,..))

具体详细讲解，可见：http://www.bubuko.com/infodetail-2448104.html
https://blog.csdn.net/AbstractSky/article/details/76769202

比如说

a = [[1, 2], [3, 4],[5,6]] a = np.pad(a, ((1, 3), (3, 1)), 'constant') print(a)

表示的就是对于矩阵A，前面填充一行，后面填充三行（1,3）。左边填充三行，右边填充一行（3,1）。输出结果入下：

[[0 0 0 0 0 0][0 0 0 1 2 0][0 0 0 3 4 0][0 0 0 5 6 0][0 0 0 0 0 0][0 0 0 0 0 0][0 0 0 0 0 0]]

对于更高纬度的我们表示不出来，不过填充效果基本上是类似的

x=np.arange(8).reshape(2,2,2) k = np.pad(x,pad_width=((2,3),(3,3),(2,2)),mode='constant',constant_values=((1,2),(2,3),(2,2))) print(x.shape) print(k.shape) (2, 2, 2) (7, 8, 6)

结果的解释，首先我们x.shape为(2, 2, 2)应该没有疑问，然后我们看pad_width，它里面每一个元组表示对应的维度左右两边填充的数量，第几个元组就代表第几维，constant_values也就是对应，每一个维度左右两边各填充的值，所以比如第一维度，开始是2，因为左右两边各填充2和3，加起来相当于扩展了5个，开始是2，所以填充以后就是7了，第二维度开始是2，增加了6就是8了，第三维度增加了4，就是6了，然后各个维度对应左右两边填充的值由后面的constant_values决定。

总结

以上是生活随笔为你收集整理的练习：Padding 填充的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。