Python中numpy.pad()函數(shù)的使用詳解
numpy.pad()函數(shù)的使用
在卷積神經(jīng)網(wǎng)絡(luò)中，為了避免因為卷積運(yùn)算導(dǎo)致輸出圖像縮小和圖像邊緣信息丟失，常常采用圖像邊緣填充技術(shù)，即在圖像四周邊緣填充0，使得卷積運(yùn)算后圖像大小不會縮小，同時也不會丟失邊緣和角落的信息。在Python的numpy庫中，常常采用numpy.pad()進(jìn)行填充操作。
numpy.pad() 常用于深度學(xué)習(xí)中的數(shù)據(jù)預(yù)處理，可以將numpy數(shù)組按指定的方法填充成指定的形狀。
語法結(jié)構(gòu)
ndarray = numpy.pad(array, pad_width, mode, **kwargs)
- array表示需要填充的數(shù)組；
- pad_width表示在各維度的各個方向上想要填補(bǔ)的長度。參數(shù)輸入方式為: ((before_1, after_1), … (before_N, after_N))；
- mode表示填充的方式，總共有11種填充模式；
- **kwargs表示填充的值，與pad_width相對應(yīng)。
填充模式
- constant表示連續(xù)填充相同的值，每個維度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(shù)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(shù)組后面的值填充前面，前面的值填充后面。
示例
examples1: 用不同的填充模式對一維數(shù)組進(jìn)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')))
不同模式填充結(jié)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: 用不同的填充模式對多維數(shù)組進(jìn)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填充模式的結(jié)果如下（其他模式的運(yùn)行結(jié)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填充模式對一維數(shù)組填充。
import numpy as np
arr1D = np.array([1, 2, 3])
ndarray=np.pad(arr1D,(1,2),'constant', constant_values=(0,2))
# (1,2)表示在一維數(shù)組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)
運(yùn)行結(jié)果：
arr1D= [1 2 3]
ndarray= [0 1 2 3 2 2]
examples4: 使用constant填充模式對多維數(shù)組填充。
import numpy as np
arr2D = np.array([[1, 1],[2,2]])
"""
((1,1),(2,2))表示在二維數(shù)組array第一維（此處便是行）前面填充1行，最后面填充1行；
在二維數(shù)組array第二維（此處便是列）前面填充2列，最后面填充2列
constant_values=(0,3) 表示第一維填充0，第二維填充3
"""
ndarray=np.pad(arr2D,((1,1),(2,2)),'constant', constant_values=(0,3))
print("arr2D=",arr2D)
print("ndarray=",ndarray)
運(yùn)行結(jié)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]]
到此這篇關(guān)于Python中numpy.pad()函數(shù)的使用詳解的文章就介紹到這了,更多相關(guān)numpy.pad()函數(shù)的使用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
本文將利用《bringing old photos back to life》 的開源代碼，并在此基礎(chǔ)上進(jìn)行修改，從而實現(xiàn)圖像去霧的效果，感興趣的小伙伴可以學(xué)習(xí)一下2022-02-02
if語句能夠進(jìn)行條件測試,并依據(jù)一定的條件進(jìn)行具體的操作,下面這篇文章主要給大家介紹了關(guān)于Python中if語句的使用方法及實例代碼,文中通過實例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-11-11
Pillow庫是Python中最流行的圖像處理庫之一,它是PIL（Python Imaging Library）的一個分支,提供了豐富的圖像處理功能,使圖像處理變得簡單而高效,在這篇文章中,我們將探討Pillow庫的一些基本功能,感興趣的朋友可以參考下2023-09-09
在Python開發(fā)中,代碼規(guī)范對于項目的可維護(hù)性和團(tuán)隊協(xié)作效率至關(guān)重要,本文介紹一個基于AST的Python import語句位置自動檢查與修復(fù)工具,希望對大家有所幫助2025-10-10
本文主要介紹了Appium自動化測試實現(xiàn)H5頁面元素定位，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-02-02
這篇文章主要介紹了python getpass實現(xiàn)密文實例詳解,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-09-09
本文主要介紹了實現(xiàn)疲勞檢測：如果眼睛已經(jīng)閉上了一段時間，我們會認(rèn)為他們開始打瞌睡并發(fā)出警報來喚醒他們并引起他們的注意。感興趣的朋友可以了解一下2021-12-12
python使用cartopy在地圖中添加經(jīng)緯線的示例代碼
gridlines可以根據(jù)坐標(biāo)系,自動繪制網(wǎng)格線,這對于普通繪圖來說顯然不必單獨(dú)拿出來說說,但在地圖中,經(jīng)緯線幾乎是必不可少的,本文將給大家介紹了python使用cartopy在地圖中添加經(jīng)緯線的方法,需要的朋友可以參考下2024-01-01
Python圖像處理之圖像的縮放、旋轉(zhuǎn)與翻轉(zhuǎn)實現(xiàn)方法示例
這篇文章主要介紹了Python圖像處理之圖像的縮放、旋轉(zhuǎn)與翻轉(zhuǎn)實現(xiàn)方法,結(jié)合實例形式分析了Python使用resize()、rotate()及transpose()等函數(shù)進(jìn)行圖像的縮放、旋轉(zhuǎn)及翻轉(zhuǎn)相關(guān)操作技巧,需要的朋友可以參考下2019-01-01
Python內(nèi)置函數(shù)object的具體使用
Python內(nèi)置函數(shù)object是Python中最基礎(chǔ)的類,它是所有類的基類,在 Python 中,所有的類都直接或間接地繼承自object類,object類提供了一些默認(rèn)的方法和屬性,這些方法和屬性可以被所有 Python 對象使用,2025-07-07