介紹

在二維矩陣的四周填充0

應用場景

在卷積操作中，一般使用 padding='SAME' 填充0，但有時不靈活，我們想自己去進行補零操作，此時可以使用tf.keras.layers.ZeroPadding2D

語法

1. __init__(
2. padding=(1, 1),
3. data_format=None,
4. **kwargs
5. )

引數

• padding：整數，或者2個整數的元組，或者2個整數的2個元組的元組

  • 整數：以上下、左右對稱的方式填充0
    例子：1，表示上下各填充一行0，即：行數加2；左右各填充一列0，即：列數加2

  • 2個整數的元組：第一個整數表示上下對稱的方式填充0；第二個整數表示左右對稱的方式填充0
    

    例子：(1,1)，表示上下各填充一行0，即：行數加2；左右各填充一列0，即：列數加2

  • 2個整數的2個元組的元組：表示 ((top_pad, bottom_pad), (left_pad, right_pad))

• data_format：字串， “channels_last” (預設) 或 “channels_first”， 表示輸入中維度的順序。

  • channels_last 對應輸入形狀 (batch, height, width, channels)
  • channels_first 對應輸入尺寸為 (batch, channels, height, width)。

預設為在 Keras 配置檔案 ~/.keras/keras.json 中的 image_data_format 值。 如果你從未設定它，將使用 “channels_last”。

輸入形狀:

4維 tensor :

• 如果 data_format 是 “channels_last”: (batch, rows, cols, channels)
• 如果 data_format 是 “channels_first”: (batch, channels, rows, cols)

輸出形狀:

4維 tensor :

• 如果 data_format 是 “channels_last”: (batch, padded_rows, padded_cols, channels)
• 如果 data_format 是 “channels_first”: (batch, channels, padded_rows, padded_cols)

例子

構建2維矩陣

1. import numpy as np
2. import tensorflow as tf
3. np.set_printoptions(threshold=np.inf)
5. np.random.seed(1)
6. arr=np.random.randint(1,9,(4,4))
7. print(arr)

執行結果：

1. [[6 4 5 1]
2. [8 2 4 6]
3. [8 1 1 2]
4. [5 8 6 5]]

例1

傳遞1個整數，填充0：

1. arr=arr.reshape(1,4,4,1)
2. inp=tf.keras.Input((4,4,1))
3. x=tf.keras.layers.ZeroPadding2D(1)(inp)
4. model=tf.keras.Model(inp,x)
5. res=model(arr)
6. tf.print(tf.squeeze(res))

例2

傳遞2個整數的tuple，填充0：

1. arr=arr.reshape(1,4,4,1)
2. inp=tf.keras.Input((4,4,1))
3. x=tf.keras.layers.ZeroPadding2D((1,2))(inp)
4. model=tf.keras.Model(inp,x)
5. res=model(arr)
6. print(tf.squeeze(res).numpy())

執行結果：

1. [[0 0 0 0 0 0 0 0]
2. [0 0 6 4 5 1 0 0]
3. [0 0 8 2 4 6 0 0]
4. [0 0 8 1 1 2 0 0]
5. [0 0 5 8 6 5 0 0]
6. [0 0 0 0 0 0 0 0]]

例3

1. arr=arr.reshape(1,4,4,1)
2. inp=tf.keras.Input((4,4,1))
3. x=tf.keras.layers.ZeroPadding2D(((1,2),(3,4)))(inp)
4. model=tf.keras.Model(inp,x)
5. res=model(arr)
6. print(tf.squeeze(res).numpy())

執行結果：

1. [[0 0 0 0 0 0 0 0 0 0 0]
2. [0 0 0 6 4 5 1 0 0 0 0]
3. [0 0 0 8 2 4 6 0 0 0 0]
4. [0 0 0 8 1 1 2 0 0 0 0]
5. [0 0 0 5 8 6 5 0 0 0 0]
6. [0 0 0 0 0 0 0 0 0 0 0]
7. [0 0 0 0 0 0 0 0 0 0 0]]