mémorandum numpy 1 / np.pad

1.Tout d'abord

Je n'ai pas compris comment utiliser ** np.pad **, je vais donc laisser le résultat de mon enquête sous forme de mémorandum.

Tableau dimensionnel 2.1

#Tableau à 1 dimension
img = np.array([1, 2, 3])
print(img)
print('img.shape = ', img.shape)
img = np.pad(img, [(1,2)], 'constant')
print(img)

ʻImg = np.pad (img, [(padding left 0, right 0 padding)], 'constant') `

3.2 tableau dimensionnel

#Un tableau bidimensionnel
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)

ʻImg = np.pad (img, [(padding top 0, padding bottom 0), (padding left 0, right 0 padding)], 'constant') `

4.3 tableau dimensionnel

#Matrice 3D
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)

Jusqu'à présent, il ne s'agissait que de remplissage d'images, mais spécifiez maintenant le nombre d'images ** 0 ** (toutes remplies de 0) avant et après cette image. Ici, j'en mets un devant. En d'autres termes

ʻImg = np.pad (img, [(0 image avant, 0 image après), (0 rembourré en haut, 0 rembourré en bas), (0 rembourré à gauche, 0 rembourré à droite)], 'constant' ) »

5.4 tableau dimensionnel

#Tableau à 4 dimensions
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)

Cette fois, ajoutez 0 image pour le nombre d'images créées jusqu'à présent (image rembourrée + 0 image) pour l'ensemble spécifié avant et après. Ici, je mets un ensemble devant. En d'autres termes

ʻImg = np.pad (img, [(0 ensemble d'images avant 0, 0 ensemble d'images arrière 0), (0 image avant 0, 0 image arrière), (0 remplissage en haut 0, 0 remplissage en bas 0), (gauche) 0 padding, 0 droit padding)], 'constant') `

6. Exemple d'utilisation réelle

Prenons le cas du remplissage d'un tableau à 4 dimensions img (taille du mini lot, nombre de canaux, hauteur, largeur). Soit ** p_h ** le remplissage vertical et ** p_w ** le remplissage horizontal. Aucun remplissage dans le sens du lot ou du canal n'est requis, donc

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