问题标签 [zero-padding]

我正在使用形状为 (X,42) 的某些张量，而 X 可以在 50 到 70 之间的范围内。我想填充我得到的每个张量，直到它达到 70 的大小。所以所有张量都将是 ( 70,42）。当我的起始大小是变量 X 时，无论如何要这样做吗？谢谢您的帮助！

我正在为Seq2Seq模型构建数据集，该模型要求数据采用单热编码填充序列的形式。

例如，如果我的序列包含“a”（a），那么它应该生成如下内容（给定最大序列大小可以是 4）：

所以我厌倦了先填充序列，然后对填充的序列进行一次热编码（在这个答案中有所回答）。

但是，上面会产生如下所示的单热编码填充序列，其中填充字符被视为要编码的类：

您可以在每个生成的 one-hot 编码中看到一个附加元素。

所以这里的问题是，是否可以使用Keras实用程序来获得我需要的一次性编码填充序列，或者我是否必须进行一些自定义实现？

我有一系列数字的元组来指示日期。我想对数字进行零填充，以便尽可能使用元组。

当前结果（1,2,3,4,5....10,11,12 等）想要的结果（01,02,03,... 10,11,12 等）

我的问题：

我进行的一个简单实验表明，padding='SAME'在 Keras/TF 中的 conv2d 层中使用padding='VALID'与在前面的零填充层中使用不同。

1. 这怎么可能？
2. Keras/TF 是否在张量周围对称地填充零？

实验说明 - 如果您有兴趣进一步阅读：

我使用该onnx2keras包将我的 Pytorch 模型转换为 keras/TF。

当onnx2keras遇到padding > 0ONNX 模型中的卷积层时，它会将其转换为Conv2D带有valid填充的 Keras（即，没有填充！），前面是 Keras 的ZeroPadding2D层。这非常有效，并且返回的输出与 Pytorch 网络产生的输出相同。

我还觉得奇怪的是它没有简单地使用padding='SAME'，因为大多数参考资料都说 Keras/TF 使用零填充，就像 Pytorch 一样。

尽管如此，我还是修补onnx2keras了它并使它产生了我的Conv2D层，padding='SAME'而不是现有的'VALID'使用前面的零填充层填充的解决方案。这使得生成的模型返回的输出与具有零填充层的模型不同，当然也与我的 Pytorch 模型不同，后者在补丁之前是相同的。

当使用 TF 的 Conv2D 层时padding='SAME'，即期望输出与输入具有相同的 2D 形状时，它是先用零填充输入然后进行卷积，还是首先按原样计算输入上的卷积，然后对结果应用零填充？

我想在图像的所有侧面添加零。我尝试：

错误是：TypeError: 'PngImageFile' object does not support indexing

我有一个来自 JSON squirt 的 key=>value 对列表。我对数组进行了排序，剩下以下内容（摘录相关案例，因为它们高达 92）：

我需要做的是：1）将所有数字放在最后，2）将它们填充到 2 位数字（01,02，&c）所以列表最终看起来像这样：

鉴于键名明显相似，我希望用一个 REGEX 语句来做到这一点，但我迷路了。这是我到目前为止所拥有的：

...aaaand 我不知道下一步该做什么。如何继续前进？有没有更好的紧凑方式来做到这一点？

编辑：这也意味着我必须用“指令”替换“目录”。它隐含在结果列表中，但我没有为它制作项目符号。此外，REGEX 是我在RegExer能够构建的全部内容。因此“失去了下一步该做什么”部分。

我正在使用深度学习进行 3D 图像分割。基本上，我需要 1/ 填充一个 numpy 数组，2/ 处理数组，3/ 取消填充数组。

问题是，processedArray 非常大（464,928,928,928,10），我在执行 unpadding 时内存不足。我想unpadding分配新内存？我对吗？我该如何继续，以便没有分配新的内存？换句话说，让索引指向未填充的元素，而不复制元素？

可能有帮助的信息：以上行在函数中执行，并返回处理数组

在这种情况下，我得到了

如何修复此代码？

let's say I have a tensor like this

Now I want to eliminate certain values base on some condition (for example greater than 0.5 or not)

Then pad it to equal length:

and this is how I implemented it in pytorch:

But apparently this is going to be extremely slow, mainly because of the list comprehension. is there any better way to do it?