3

我正在尝试在 theano 中为常量模式实现 numpy pad 功能。它是如何在 numpy 中实现的？假设填充值仅为 0。

给定一个数组

a = np.array([[1,2,3,4],[5,6,7,8]])
# pad values are just 0 as indicated by constant_values=0
np.pad(a, pad_width=[(1,2),(3,4)], mode='constant', constant_values=0)

会回来

array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 2, 3, 4, 0, 0, 0, 0],
       [0, 0, 0, 5, 6, 7, 8, 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]])

现在，如果我事先知道 a 的维数，我可以通过创建一个填充填充值的新维度的新数组并填充该数组中的相应元素来实现这一点。但是如果我不知道输入数组的尺寸怎么办？虽然我仍然可以从输入数组中推断出输出数组的维度，但我无法在不知道其中维度数的情况下对其进行索引。还是我错过了什么？

也就是说，如果我知道输入维度是 3，那么我可以这样做：

zeros_array[pad_width[0][0]:-pad_width[0][1], pad_width[1][0]:-pad_width[1][1], pad_width[2][0]:-pad_width[2][1]] = a

其中 zeros 数组是使用输出维度创建的新数组。

但如果我事先不知道 ndim，我就不能这样做。

4

1 回答 1

2

我的直觉是：

def ...(arg, pad):
    out_shape = <arg.shape + padding>  # math on tuples/lists
    idx = [slice(x1, x2) for ...]   # again math on shape and padding
    res = np.zeros(out_shape, dtype=arg.dtype)
    res[idx] = arg     # may need tuple(idx)
    return res

换句话说，制作目标数组，并使用适当的索引元组复制输入。这将需要一些数学和迭代来构建所需的形状和切片，但如果乏味的话，这应该是直截了当的。

但是，它似乎np.pad在轴上进行迭代（如果我确定了正确的替代方案：

   newmat = narray.copy()
   for axis, ((pad_before, pad_after), (before_val, after_val)) \
            in enumerate(zip(pad_width, kwargs['constant_values'])):
        newmat = _prepend_const(newmat, pad_before, before_val, axis)
        newmat = _append_const(newmat, pad_after, after_val, axis)

哪里_prepend_const是：

np.concatenate((np.zeros(padshape, dtype=arr.dtype), arr), axis=axis)

（并且append会相似）。因此，它为每个维度分别添加每个前段和后段。从概念上讲，这很简单，即使它可能不是最快的。

In [601]: np.lib.arraypad._prepend_const(np.ones((3,5)),3,0,0)
Out[601]: 
array([[ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.,  1.]])

In [604]: arg=np.ones((3,5),int)
In [605]: for i in range(2):
     ...:     arg=np.lib.arraypad._prepend_const(arg,1,0,i)
     ...:     arg=np.lib.arraypad._append_const(arg,2,2,i)
     ...:     
In [606]: arg
Out[606]: 
array([[0, 0, 0, 0, 0, 0, 2, 2],
       [0, 1, 1, 1, 1, 1, 2, 2],
       [0, 1, 1, 1, 1, 1, 2, 2],
       [0, 1, 1, 1, 1, 1, 2, 2],
       [0, 2, 2, 2, 2, 2, 2, 2],
       [0, 2, 2, 2, 2, 2, 2, 2]])
于 2016-10-17T01:29:20.853 回答