在卷積神經網絡中實施填充是一件十分重要的事情，如果沒有填充，邊緣區域的像素值基本不會受到卷積層的影響。

那么，如何寫填充代碼：

# 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 = (..,..))

具體詳細講解，可見：http://www.bubuko.com/infodetail-2448104.html
https://blog.csdn.net/AbstractSky/article/details/76769202

比如說

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

表示的就是對于矩陣A，前面填充一行，后面填充三行（1,3）。左邊填充三行，右邊填充一行（3,1）。輸出結果入下：

[[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]]

對于更高緯度的我們表示不出來，不過填充效果基本上是類似的

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)

結果的解釋，首先我們x.shape為(2, 2, 2)應該沒有疑問，然后我們看pad_width，它里面每一個元組表示對應的維度左右兩邊填充的數量，第幾個元組就代表第幾維，constant_values也就是對應，每一個維度左右兩邊各填充的值，所以比如第一維度，開始是2，因為左右兩邊各填充2和3，加起來相當于擴展了5個，開始是2，所以填充以后就是7了，第二維度開始是2，增加了6就是8了，第三維度增加了4，就是6了，然后各個維度對應左右兩邊填充的值由后面的constant_values決定。

總結

以上是生活随笔為你收集整理的练习：Padding 填充的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。