（轉載）Numpy學習（1）——陣列填充np.pad()函式的應用
【時間】2018.11.02
【題目】（轉載）Numpy學習——陣列填充np.pad()函式的應用
概述
本文轉載自 http://www.th7.cn/Program/Python/201712/1284487.shtml ，主要講述了陣列填充np.pad()函式的用法，原文在舉例部分比較分散，不易看懂，這裡給重新整理了下。
在卷積神經網路中，為了避免因為卷積運算導致輸出影象縮小和影象邊緣資訊丟失，常常採用影象邊緣填充技術，即在影象四周邊緣填充0，使得卷積運算後圖像大小不會縮小，同時也不會丟失邊緣和角落的資訊。在Python的numpy庫中，常常採用numpy.pad()進行填充操作，具體分析如下：
1. np.pad()函式
1）語法結構
pad(array, pad_width, mode, **kwargs)
返回值：陣列
2）引數解釋
array——表示需要填充的陣列；
pad_width——表示每個軸（axis）邊緣需要填充的數值數目。
引數輸入方式為：（(before_1, after_1), … (before_N, after_N)），其中(before_1, after_1)表示第1軸兩邊緣分別填充before_1個和after_1個數值。取值為：{sequence, array_like, int}
mode——表示填充的方式（取值：str字串或使用者提供的函式）,總共有11種填充模式；
**kwargs---表示填充的值，與pad_width相對應
3) 填充方式
‘constant’——表示連續填充相同的值，每個軸可以分別指定填充值，constant_values=（x, y）時前面用x填充，後面用y填充，預設值填充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’——表示用原陣列後面的值填充前面，前面的值填充後面
1.1 常數填充模式——’constant’
示例：
【程式碼】：
import numpy as np
#原始輸入陣列A
A = np.arange(95,99).reshape(2,2)
print(A)
#在陣列A的邊緣填充constant_values指定的數值
#（3,2）表示在A的第[0]軸填充（二維陣列中，0軸表示行），即在0軸前面填充3個寬度的0，比如陣列A中的95,96兩個元素前面各填充了3個0；在後面填充2個0，比如陣列A中的97,98兩個元素後面各填充了2個0
#（2,3）表示在A的第[1]軸填充（二維陣列中，1軸表示列），即在1軸前面填充2個寬度的0，後面填充3個寬度的0np.pad(A,((3,2),(2,3)),'constant',constant_values = (0,0))
#constant_values表示填充值，且(before，after)的填充值等於（0,0）
B = np.pad(A,((3,2),(2,3)),'constant',constant_values = ((0,0),(1,2)))
print(B)
【執行結果】：
1.2 邊緣值填充模式——’edge’
示例
【程式碼】：
import numpy as np
A = np.arange(1,5).reshape(2,2) #原始輸入陣列B
print ("A =\n",A)
B = np.pad(A,((1,2),(2,1)),'edge') # 注意先填充0軸，後面填充1軸，依次填充
print("B = \n" ,B)【執行結果】：
1.3 邊緣最大值填充模式——’maximum’
示例
【程式碼】
import numpy as np
A = np.arange(1,5).reshape(2,2) #原始輸入陣列A
print ("A =\n",A)
B = np.pad(A,((1,2),(2,1)),'maximum')
print("B = \n" ,B)
【執行結果】
