问题标签 [zero-padding]

我有一个大小为 N*D 的 2D 张量 T，表示序列长度为 S 的 M 个文档的打包词嵌入（按顺序）。（即 sum(S)=N）

是否有最佳实践将其转换为大小为 M*Max(S)*D 且填充值为 V 的 3D 张量？（你可以假设 V=0.0）

我看到的两种方法

1. 使用 torch.split 分割 2D 张量，然后使用 torch.nn.utils.rnn.pad_sequence 生成 T'

2. 制作一个大小为 M*Max(S)*D 的张量 T' 并（使用循环）将每个维度填充为 T'[i,0:s(i),]=T[c(i):c(i +1)] 其中 c(i) 是 S 的部分和

我尝试查看 pad_packed_sequence 的代码，但它调用了另一种我找不到代码的方法。

原始张量采用这种形式用于 GraphNN，因此如果有需要这样做的方法，则更改排序并非不可能。

我遇到了一些代码，我发现有一些方法可以正确实现相同的填充。人们专门将此代码用于stride> 1，他们说“没有它就会有像素漂移”。

他们使用的代码是（变量名称不言自明）：-

有没有人遇到过相同填充的这种实现，并会解释这种实现以及什么是像素漂移？

我正在编写一个函数，它需要在不同范围内查找一定长度的代码，但并非所有代码都是正确的长度。在此范围内，可以通过在其前面添加额外的零来解决此问题。

所以我试图编写一个宏的一部分，在代码前面添加 0，直到它正好有 13 个字符长（假设它还不是 13 个字符长）。

现在，我有这个，但我觉得它可以做得更好。特别是因为我不知道 10 是否是最短的可能长度。

也许用 13 减去 Len(Barc.value)，然后加上那么多 0？

我想知道如何在字符串开头的零之后匹配字符串。

所以字符串应该匹配的例子是

我已经尝试过[^0]+$，但这会返回以下错误

嗨，我是 CNN 的初学者，目前我对 ResNet 零填充快捷方式连接感到困惑。下面是 ResNet 论文的一部分，它说当尺寸增加时它可以使用投影快捷方式或零填充。

当维度增加时（图 3 中的虚线快捷方式），我们考虑两个选项：（A）快捷方式仍然执行恒等映射，为增加维度填充额外的零条目。该选项不引入额外参数；(B) Eqn.(2) 中的投影快捷方式用于匹配维度（通过 1×1 卷积完成）。

例如，说到快捷连接，F(x) + x，

• 符号：（重量、高度、通道数）
• x的维度：（56,56,64）
• F(x) 的维度：(56,56,256)
• 选项 (B)：用户 1 x 1 卷积。我们可以用户过滤（256、1、1、64）。（过滤器的数量，宽度，高度，通道）
• 选项（A）：但是，如果用户零填充，那么它是否意味着只是简单地将 x 的 (56,56,64) 和 (56,56,192(=256-64)) 与所有元素零连接？

另外，如果有任何好的参考资料可以理解这一点，请告诉我:)

只给定矩阵的最终大小，我需要在python中用零填充矩阵。原始矩阵内容应位于填充内容的中心。

我只能使用基本功能，例如 - for、while、slice、list of list和类似的东西......而不使用 del/remove。

与此同时，我尝试过 - 创建一个 0*0 矩阵并将值从原始矩阵复制到正确位置的填充矩阵，使用 2 个 for 循环，它不起作用..：/

谢谢您的帮助

我目前有一个零填充我的二维数组的问题。我想将我的数组中的当前数据传输到一个新数组，该数组是完全相同的数组，但它周围的边框为 0。例子：

|1 2 3|

|4 5 6|

|7 8 9|

应该成为

|0 0 0 0 0|

|0 1 2 3 0|

|0 4 5 6 0|

|0 7 8 9 0|

|0 0 0 0 0|

到目前为止，这就是我所遇到的，但我一直陷入越界错误，有没有人可以通过一些解释为我解决这个问题？

亲切的问候，D。

我有一个熊猫数据框，其中三列是浮点数（floats64）：

我想在 Num2 和 Num3 列中添加前导零，使它们看起来像这样：

我希望 Num2 总共有 3 位数字，包括前导零，而 Num3 总共有 5 位数字，包括前导零，使 NaN 保持原样（或不影响 NaN）。最终目标是连接 Num1、Num2 和 Num3 以创建一个新列。

我尝试了 df['Num2'].apply(lambda x: '{:05}'.format(x) if pd.notnull(x) else x)和 df['Num2'].apply(lambda x: x.zfill(5) if pd.notnull(x) else x)，但它们没有像我预期的那样添加零。如果比我更有知识的人可以帮助我，我将不胜感激！

我有一个大小为 100x200x800 的整数矩阵，它存储在主机上的平面 100*200*800 向量中，即我有

在设备（GPU）上，我想用零填充每个维度，以便获得大小为 128x256x1024 的矩阵，分配如下：

获得零填充矩阵的最佳方法是什么？我有两个想法：

1. 遍历主机上的各个子矩阵并将它们直接复制到设备上的正确位置。
   • 这种方法需要多次cudaMemcpy调用，因此可能非常慢
2. 在设备上，为 100x200x800 矩阵和 128x256x1024 矩阵分配内存，并编写一个内核，将样本复制到正确的内存空间
   • 这种方法可能要快得多，但需要为设备上的两个矩阵分配内存

是否有类似于 MATLAB 的三维矩阵索引的可能性？在 MATLAB 中，我可以简单地执行以下操作：

或者，如果我使用 将数据复制到设备cudaMemcpy(d_data, h_data, sizeof(int)*100*200*800, cudaMemcpyHostToDevice);，是否可以在适当的位置重新排序数据，这样我就不必为第二个矩阵分配内存，也许使用cudaMemcpy3D或cudaMemset3D？

我有 100000 个条目的以下数据和链接组合

如果链接的值小于 10 ，我正在尝试在 python 2.7 中编写一个程序来添加左填充零。

例如：

你能指导我以下程序有什么问题吗：