cupy.pad#
- cupy.pad(array, pad_width, mode='constant', **kwargs)[source]#
使用指定的宽度和值填充数组。
- 参数:
array (cupy.ndarray) – 要填充的数组。
pad_width (sequence, array_like 或 int) – 在每个轴的边缘填充的值的数量。((before_1, after_1), … (before_N, after_N)) 表示每个轴独特的填充宽度。((before, after),) 表示每个轴具有相同的前后填充宽度。(pad,) 或 int 是 before = after = 所有轴的填充宽度的快捷方式。不能指定
cupy.ndarray。mode (str 或 function, 可选) –
以下字符串值之一或用户提供的函数
- ’constant’ (默认)
用一个常数值填充。
- ’edge’
用数组的边缘值填充。
- ’linear_ramp’
用 end_value 和数组边缘值之间的线性斜坡填充。
- ’maximum’
用每个轴上向量的全部或部分的最大值填充。
- ’mean’
用每个轴上向量的全部或部分的平均值填充。
- ’median’
用每个轴上向量的全部或部分的中位数填充。(未实现)
- ’minimum’
用每个轴上向量的全部或部分的最小值填充。
- ’reflect’
用向量沿每个轴在第一个和最后一个值上镜像的反射填充。
- ’symmetric’
用向量沿数组边缘镜像的反射填充。
- ’wrap’
用向量沿轴的环绕填充。第一个值用于填充末尾，末尾的值用于填充开头。
- ’empty’
用未定义的值填充。
- <function>
填充函数，参见 Notes。
stat_length (sequence 或 int, 可选) – 在 ‘maximum’、’mean’、’median’ 和 ‘minimum’ 模式中使用。用于计算统计值的每个轴边缘的值的数量。((before_1, after_1), … (before_N, after_N)) 表示每个轴独特的统计长度。((before, after),) 表示每个轴具有相同的前后统计长度。(stat_length,) 或 int 是 before = after = 所有轴的统计长度的快捷方式。默认值为
None，表示使用整个轴。不能指定cupy.ndarray。constant_values (sequence 或 scalar, 可选) – 在 ‘constant’ 模式中使用。用于设置每个轴的填充值的值。((before_1, after_1), … (before_N, after_N)) 表示每个轴独特的填充常数。((before, after),) 表示每个轴具有相同的前后常数。(constant,) 或 constant 是 before = after = 所有轴的常数的快捷方式。默认值为 0。不能指定
cupy.ndarray。end_values (sequence 或 scalar, 可选) – 在 ‘linear_ramp’ 模式中使用。用于线性斜坡的结束值并将构成填充数组边缘的值。((before_1, after_1), … (before_N, after_N)) 表示每个轴独特的结束值。((before, after),) 表示每个轴具有相同的前后结束值。(constant,) 或 constant 是 before = after = 所有轴的常数的快捷方式。默认值为 0。不能指定
cupy.ndarray。reflect_type ({'even', 'odd'}, 可选) – 在 ‘reflect’ 和 ‘symmetric’ 模式中使用。’even’ 样式是默认值，围绕边缘值进行不变的反射。对于 ‘odd’ 样式，数组的扩展部分是通过将反射值从边缘值的两倍中减去而创建的。
- 返回:
形状由
pad_width扩展的填充数组。- 返回类型:
注意
对于秩大于 1 的数组，后面轴的一些填充是根据前面轴的填充计算得出的。使用一个秩为 2 的数组来思考这一点最容易，其中填充数组的角是通过使用第一个轴的填充值来计算的。
填充函数（如果使用）应就地修改一个秩为 1 的数组。它具有以下签名：
padding_func(vector, iaxis_pad_width, iaxis, kwargs)其中
- vector (cupy.ndarray)
一个已经用零填充的秩为 1 的数组。填充的值是
vector[:iaxis_pad_width[0]]和vector[-iaxis_pad_width[1]:]。- iaxis_pad_width (tuple)
一个包含两个整数的元组，
iaxis_pad_width[0]表示在 vector 开头填充的值的数量，而iaxis_pad_width[1]表示在 vector 末尾填充的值的数量。- iaxis (int)
当前正在计算的轴。
- kwargs (dict)
函数所需的任何关键字参数。
示例
>>> a = cupy.array([1, 2, 3, 4, 5]) >>> cupy.pad(a, (2, 3), 'constant', constant_values=(4, 6)) array([4, 4, 1, ..., 6, 6, 6])
>>> cupy.pad(a, (2, 3), 'edge') array([1, 1, 1, ..., 5, 5, 5])
>>> cupy.pad(a, (2, 3), 'linear_ramp', end_values=(5, -4)) array([ 5, 3, 1, 2, 3, 4, 5, 2, -1, -4])
>>> cupy.pad(a, (2,), 'maximum') array([5, 5, 1, 2, 3, 4, 5, 5, 5])
>>> cupy.pad(a, (2,), 'mean') array([3, 3, 1, 2, 3, 4, 5, 3, 3])
>>> a = cupy.array([[1, 2], [3, 4]]) >>> cupy.pad(a, ((3, 2), (2, 3)), 'minimum') array([[1, 1, 1, 2, 1, 1, 1], [1, 1, 1, 2, 1, 1, 1], [1, 1, 1, 2, 1, 1, 1], [1, 1, 1, 2, 1, 1, 1], [3, 3, 3, 4, 3, 3, 3], [1, 1, 1, 2, 1, 1, 1], [1, 1, 1, 2, 1, 1, 1]])
>>> a = cupy.array([1, 2, 3, 4, 5]) >>> cupy.pad(a, (2, 3), 'reflect') array([3, 2, 1, 2, 3, 4, 5, 4, 3, 2])
>>> cupy.pad(a, (2, 3), 'reflect', reflect_type='odd') array([-1, 0, 1, 2, 3, 4, 5, 6, 7, 8])
>>> cupy.pad(a, (2, 3), 'symmetric') array([2, 1, 1, 2, 3, 4, 5, 5, 4, 3])
>>> cupy.pad(a, (2, 3), 'symmetric', reflect_type='odd') array([0, 1, 1, 2, 3, 4, 5, 5, 6, 7])
>>> cupy.pad(a, (2, 3), 'wrap') array([4, 5, 1, 2, 3, 4, 5, 1, 2, 3])
>>> def pad_with(vector, pad_width, iaxis, kwargs): ... pad_value = kwargs.get('padder', 10) ... vector[:pad_width[0]] = pad_value ... vector[-pad_width[1]:] = pad_value >>> a = cupy.arange(6) >>> a = a.reshape((2, 3)) >>> cupy.pad(a, 2, pad_with) array([[10, 10, 10, 10, 10, 10, 10], [10, 10, 10, 10, 10, 10, 10], [10, 10, 0, 1, 2, 10, 10], [10, 10, 3, 4, 5, 10, 10], [10, 10, 10, 10, 10, 10, 10], [10, 10, 10, 10, 10, 10, 10]]) >>> cupy.pad(a, 2, pad_with, padder=100) array([[100, 100, 100, 100, 100, 100, 100], [100, 100, 100, 100, 100, 100, 100], [100, 100, 0, 1, 2, 100, 100], [100, 100, 3, 4, 5, 100, 100], [100, 100, 100, 100, 100, 100, 100], [100, 100, 100, 100, 100, 100, 100]])