问题标签 [zero-padding]

我正在寻找一种批量重命名多个文件夹的方法。基本上，我需要用前导零填充它并使其成为 6 位数

例子：

123 ---> 000123

22 ----> 000022

5678 --> 005678

我知道该怎么做的唯一方法是：

请帮忙。任何方向表示赞赏谢谢

我正在构建一个 tensorflow 模型，该模型将具有一些可变大小的输入，零填充用于将较小的输入提升到标准输入大小。我还打算使用某种重量衰减（L1/L2 正则化）。

我担心的是，在训练期间，无论何时输入填充输入，从零输入引出的权重将继续被我使用的任何正则化衰减。理想情况下，我想对由于零输入而没有梯度的权重禁用 L1/L2 正则化。有没有办法让 TF 做到这一点？禁用这些权重的权重更新也可以。

按照PyTorch 文档中的示例，我试图解决填充不一致的问题，而不是在每个批次的张量末尾（换句话说，没有双关语，我有一个左删失和右删失问题我的批次）：

当使用（最好）PyTorch 功能通过 LSTM 运行它们时，如何解决掩盖这些填充 0 的问题？

我想知道是否有关于 Visual Studio 可执行文件大小始终是 512 字节的倍数的技术解释。为了达到所需的大小，Visual Studio 将零填充添加到可执行文件的尾部。拥有这个有优势吗？是否可控？

我了解零填充在前向传递中的工作原理。但是我没有找到任何文档说明 Keras 如何使用零填充处理反向传播。

例如，给定一个层，其输入映射大小为 12×12，内核大小为 3×3。为了保持过滤后映射的大小相同，我们将输入映射从 12×12 零填充到 14×14，然后进行卷积直到最后一层。

但是，在反向传播中，此输入映射的反向传播误差应为 14×14。Keras 如何使它回到 12×12 以便可以为前一层推导出误差反向传播？它是否只是删除了顶部、底部、左侧和右侧的像素？