mindspore.numpy.pad

查看源文件
mindspore.numpy.pad(arr, pad_width, mode='constant', stat_length=None, constant_values=0, end_values=0, reflect_type='even', **kwargs)[源代码]

对矩阵进行填充。

说明

目前，不支持median模式。reflect和symmetric模式只支持GPU端。

参数：

  • arr (Union[list, tuple, Tensor]) - 要填充的矩阵。

  • pad_width (Union[int, tuple, list]) - 每个轴的边缘需要填充的值的数目。 ((before_1, after_1), ... (before_N, after_N)) 为每个轴创建唯一的填充宽度。 ((before, after),) 为每个轴产生前后相同的 pad 。 (pad,) 或int是将所有轴设置为 before = after = pad width 的快捷设置。

  • mode (string, 可选) - 填充的方式。

    选择以下之一：

    • constant (默认值): 连续填充相同的值。

    • edge: 用 arr 的边缘值填充。

    • linear_ramp: 用边缘递减的方式填充。

    • maximum: 最大值填充。

    • mean: 均值填充。

    • median: 中位数填充。

    • minimum: 最小值填充。

    • reflect: 以边缘值为轴对称填充。

    • symmetric: 沿着边缘值对称填充。

    • wrap: 用原数组后面的值填充前面，前面的值填充后面。

    • empty: 用未定义值填充。

    • <function>: 用自定义函数填充。该自定义函数应修改并返回一个新的一维Tensor。 定义如下： padding_func(tensor, iaxis_pad_width, iaxis, kwargs) 。

  • stat_length (Union[tuple, list, int], 可选) - 选择 'maximum', 'mean', 'median', 'minimum' 模式时，用于计算统计值的每个轴边缘的值的数量。可以为每个轴指定不同的统计长度，如 ((before_1, after_1), ... (before_N, after_N)) ，也可以为所有轴设置唯一的统计长度。 ((before, after),) 为所有轴指定相等的前后统计长度， (stat_length,) 或int是将所有轴设置为 before = after = statistic length 的快捷设置。默认值： None 。

  • constant_values (Union[tuple, list, int], 可选) - 选择 'constant' 模式时，为每个轴设置填充值的常数值。 ((before_1, after_1), ... (before_N, after_N)) 可以为每个轴定义唯一的填充常量。 ((before, after),) 为所有轴设置前后相同的填充常量。 (constant,) 或 constant 是将所有轴设置为 before = after = constant 的快捷设置。默认值： 0 。

  • end_values (Union[tuple, list, int], 可选) - 选择 'linear_ramp' 模式时，定义linear_ramp的结束值，这些值将构成填充 arr 的边缘。 ((before_1, after_1), ... (before_N, after_N)) 可为每个轴设置唯一的结束值， ((before, after),) 为所有轴设置前后相同的结束值。(constant,) 或 constant 是将所有轴设置为 before = after = constant 的快捷设置。默认值： 0 。

  • reflect_type (string, 可选) - 选择'reflect', 'symmetric'模式时，默认为'even'样式，即围绕边缘值未改变的反射。对于'odd'样式，数组的扩展部分是通过从两倍的边缘值中减去反射值来创建的。

  • kwargs (anytype, 可选) - 选择 <function> 模式时，自定义函数使用的关键字参数。

返回：

填充后的Tensor，其秩与 arr 相同，shape根据 pad_width 增加。

异常：

  • TypeError - 如果输入的参数类型没有按上述内容指定。

  • ValueError - 如果 mode 的输入无法被识别，或如果 pad_width , stat_length , constant_values , end_values 无法被广播到 (arr.ndim, 2) 或关键字参数得到了意外的输入。

  • NotImplementedError - 如果 mode 选择为'median'或function。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore.numpy as np
>>> tensor = np.array([1., 2., 3., 4., 5.])
>>> print(np.pad(tensor, (3, 4)))
[0. 0. 0. 1. 2. 3. 4. 5. 0. 0. 0. 0.]
>>> print(np.pad(tensor, (3, 4), mode="wrap"))
[3. 4. 5. 1. 2. 3. 4. 5. 1. 2. 3. 4.]
>>> print(np.pad(tensor, (3, 4), mode="linear_ramp", end_values=(10, 10)))
[10.    7.    4.    1.    2.    3.    4.    5.    6.25  7.5   8.75 10.  ]