[PYTHON] numpy memorandum 1 / np.pad

1. Zuallererst

Ich habe nicht verstanden, wie man ** np.pad ** benutzt, deshalb werde ich das Ergebnis meiner Untersuchung als Memorandum belassen.

2.1 dimensionale Anordnung

#1-dimensionales Array
img = np.array([1, 2, 3])
print(img)
print('img.shape = ', img.shape)
img = np.pad(img, [(1,2)], 'constant')
print(img)

img = np.pad (img, [(linke 0-Auffüllung, rechte 0-Auffüllung)], 'Konstante')

3.2 dimensionale Anordnung

#Ein zweidimensionales Array
img = np.array([[1, 2, 3], [4, 5, 6]])
print(img)
print('img.shape = ', img.shape)
img = np.pad(img, [(1,2), (3, 4)], 'constant')
print(img)

img = np.pad (img, [(obere 0 Polsterung, untere 0 Polsterung), (linke 0 Polsterung, rechte 0 Polsterung)], 'Konstante')

4.3 dimensionale Anordnung

#3D-Array
img = np.array( [[[1, 2, 3], [4, 5, 6]],  [[7, 8, 9], [0, 1, 2]]])    
print(img)
print('img.shape = ', img.shape)
img = np.pad(img, [(1,0), (1, 1), (1, 1)], 'constant')
print(img)

Bisher wurden nur Bilder aufgefüllt, jetzt wird jedoch angegeben, wie viele ** 0 Bilder ** (alle mit 0en gefüllt) vor und nach diesem Bild vorhanden sind. Hier habe ich einen vor. Mit anderen Worten

img = np.pad (img, [(0 Bilder vor, 0 Bilder nach), (0 gepolstert oben, 0 gepolstert unten), (0 links gepolstert, 0 rechts gepolstert)], 'konstant' )

5.4 dimensionale Anordnung

#4-dimensionales Array
img = np.array([[[[1, 2, 3], [4, 5, 6]], [[7, 8, 9],[0, 1, 2]]]])
print(img)
print('img.shape = ', img.shape)
img = np.pad(img, [(1,0), (1,0), (1, 1), (1, 1)], 'constant')
print(img)

Fügen Sie dieses Mal 0 Bilder für die Anzahl der bisher erstellten Bilder (gepolstertes Bild + 0 Bilder) für den angegebenen Satz vorher und nachher hinzu. Hier habe ich einen Satz vorgesetzt. Mit anderen Worten

img = np.pad (img, [(0 vorderer 0 Bildsatz, hinterer 0 Bildsatz), (0 vorne, 0 hinten), (0 obere 0 Füllung, untere 0 Füllung), (links) 0 Auffüllen, rechts 0 Auffüllen)], 'Konstante')

6. Beispiel für die tatsächliche Verwendung

Betrachten Sie den Fall des Auffüllens eines 4-dimensionalen Array-Bildes (Mini-Stapelgröße, Anzahl der Kanäle, Höhe, Breite). Sei ** p_h ** die vertikale Polsterung und ** p_w ** die horizontale Polsterung. Es ist also keine Polsterung in Batch- oder Kanalrichtung erforderlich

img = np.pad(img, [(0, 0), (0, 0), (p_h, p_h), (p_w, p_w)], 'constant')