Numpy 三维数组零填充

在本文中，我们将介绍如何使用Numpy在三维数组中进行零填充。零填充是指在数组的边缘添加零元素以扩展数组的大小。这在深度学习等数据处理任务中特别有用，因为我们通常需要将不同大小的数据集输入到模型中，而零填充可以保持所有数据的相对大小。

阅读更多：Numpy 教程

创建三维数组

在介绍如何进行零填充之前，我们需要首先创建一个三维数组。我们可以使用Numpy的arange（）函数创建一个形状为（3,4,2）的三维数组。

import numpy as np

arr = np.arange(24).reshape(3,4,2)
print(arr)

这将输出以下数组：

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

 [[ 8  9]
  [10 11]
  [12 13]
  [14 15]]

 [[16 17]
  [18 19]
  [20 21]
  [22 23]]]

这个数组有3个二维数组，每个二维数组都有4行和2列。我们将在此数组上演示如何进行零填充。

三维数组零填充

考虑以下示例：

我们有一个3x3x2的矩阵和一个2x2x2的卷积核。我们想要对这个矩阵执行卷积操作：将卷积核与矩阵的每个2x2x2字块相乘，并将结果相加以得到一个2x2x1的输出矩阵。

但是，我们遇到了一个问题。当尝试将这个卷积核应用于矩阵的左上角时，我们没有足够的元素来与卷积核相乘。因此，我们需要在矩阵的边缘添加零元素以扩展数组的大小。

使用Numpy的pad（）函数，我们可以轻松地进行三维数组零填充。以下是如何使用Numpy的pad（）函数进行零填充的示例：

pad_width = ((1, 1), (1, 1), (1, 1))
padded_arr = np.pad(arr, pad_width, mode='constant', constant_values=0)

print(padded_arr.shape)
print(padded_arr)

这将输出以下内容：

(5, 6, 4)
[[[ 0  0  0  0]
  [ 0  0  0  0]
  [ 0  0  0  0]
  [ 0  0  0  0]
  [ 0  0  0  0]
  [ 0  0  0  0]]

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

 [[ 0  0  0  0]
  [ 0  8  9 10]
  [ 0 11 12 13]
  [ 0 14 15  0]
  [ 0  0  0  0]
  [ 0  0  0  0]]

 [[ 0  0  0  0]
  [ 0 16 17 18]
  [ 0 19 20 21]
  [ 0 22 23  0]
  [ 0  0  0  0]
  [ 0  0  0  0]]

 [[ 0  0  0  0]
  [ 0  0  0  0]
  [ 0  0  0  0]
  [ 0  0  0  0]
  [ 0  0  0  0]]]

在这个示例中，我们使用了一个pad_width变量来指定在每个维度上应该在数组的左侧和右侧添加多少零元素。在这个示例中，我们在每个维度上添加了一个零元素。

我们还指定了mode=’constant’，这表示在填充元素时采用一个常数值，我们用0来填充。

最后我们输出了填充后的数组padded_arr的形状和内容。