参考

官方文档：https://numpy.org/doc/stable/reference/generated/numpy.pad.html?highlight=pad#numpy.pad

numpy.pad(array, pad_width, mode='constant', **kwargs)

作用：填充数据

官方文档对pad_width的解释：
pad_width{sequence, array_like, int}
Number of values padded to the edges of each axis. ((before_1, after_1), … (before_N, after_N)) unique pad widths for each axis. ((before, after),) yields same before and after pad for each axis. (pad,) or int is a shortcut for before = after = pad width for all axes.

神经网络主要采用默认的constant模式，即常量填充

一维

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

结果为[4 4 1 2 3 4 5 6 6 6]
解释：

• (2,3)和(4,6)代码表示在前面充填2个4，最后面填充3个6

二维

import numpy as np

a = [[1,2],[3,4]]
a = np.pad(a, (2, 3), 'constant', constant_values=(0,5))
print(a,a.shape)

这是二维的，然后我们只使用了一个(2,3)，所以二维数据的填充方法相同，都是前面2个0，后面3个5。先看第一维（行），前面填充2行0，后面填充3行5，结果如下

然后看第二维（列），依然是前面2列0，后面3列5，结果如下

接下来我们将二维填充不同的大小和数据

import numpy as np

a = [[1,2],[3,4]]
a = np.pad(a, ((2, 3),(4,5)), 'constant', constant_values=((0,6),(1,8)))
print(a,a.shape)

则上面的代码是将第1维（行），填充2行0和3行6，第二维（列），填充4列1和5列8。结果如下（红色和蓝色分别表示第1维和第2维填充）

三维

最后一项看看对于我们的神经网络需要的图片格式如何扩充数据。

import numpy as np

a = np.ones((2, 3, 3))
print(a)
a = np.pad(a, ((0,0),(2, 2),(2, 2)), constant_values=0)
print(a)

首先使用np.ones((2, 3, 3))创建一个2通道，长和宽都为3的全1的数据。对于第1维（通道维度）我们是不需要扩充的，因此将它的前后填充都设置为0，我们需要将长和宽的前后各扩展两行/列，值为0，则参数皆为（2，2）。最后a的规格也从(2, 3, 3)变为(2, 7, 7)，运行结果如下