defzero_pad(x,pad ) : ' '在数据集x的所有图像边界为0的情况下扩展pad的宽度和高度。 参数: X -图像数据集,维度为(采样数、图像高度、图像宽度、图像通道数) pad -整数,每个图像在垂直维度和水平维度中的填充量为) X_paded -扩展图像数据集,维度为)采样数,图像高度为2 * 图像通道数(() ) x_paded=NP.pad(x,) () 0,0 )采样数,未填充(pad,pad ) )图像高度为:上为x,下为y (x,y ) ) pad, 如果在不填充可以认为由pad )填充的“constant”的情况下,连续向return X_paded填充相同的值,则NP.pad(arr3d,(1)
第三个数组(2,2 )表示在数组的“左右”中分别添加了两个“列”的图的状态。
更多维度依次类推,深度学习多为通道数为3的图像,第一个排列一般为(0,0 )。
感谢您的观看!
部分实例可从https://blog.csdn.net/HUST QB/article/details/77726660中借鉴。