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。