numpy pad函数

在卷积神经网络中一个重要的操作就是padding，翻译为填充。就是把一张图片的作为填上一些像素点，以免使得在卷积过程中，图像边缘的点的信息卷积次数过少，而使信息丢失。

 

在numpy函数中已经把padding封装好了。

此处重点讨论这函数的具体用法。

import numpy as np
import h5py
import matplotlib.pyplot as plt

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

[0 1 2 3 4 0 0]

import numpy as np
import h5py
import matplotlib.pyplot as plt

a=np.array([1,2,3,4])
b=np.pad(a,((1,2)),'constant',constant_values=(0,1))
print(b)

[0 1 2 3 4 1 1]

第一个参数是填充的矩阵数组，第二个参数是填充的个数，此例中第一个参数‘1’表示在前面填充1个，第二个参数‘2’表示在后面填充2个，constant表示连续填充填充，默认为0.

1）语法结构

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。?<