Python keras.layers .ZeroPadding2D() 详解

在二维矩阵的四周填充0

应用场景

在卷积操作中，一般使用 padding='SAME' 填充0，但有时不灵活，我们想自己去进行补零操作，此时可以使用tf.keras.layers.ZeroPadding2D

语法

1 __init__(
2 padding=(1, 1),
3 data_format=None,
4 **kwargs
5 )

参数

padding：整数，或者2个整数的元组，或者2个整数的2个元组的元组
- 整数：以上下、左右对称的方式填充0
  例子：1，表示上下各填充一行0，即：行数加2；左右各填充一列0，即：列数加2
- 2个整数的元组：第一个整数表示上下对称的方式填充0；第二个整数表示左右对称的方式填充0
  例子：(1,1)，表示上下各填充一行0，即：行数加2；左右各填充一列0，即：列数加2
- 2个整数的2个元组的元组：表示 ((top_pad, bottom_pad), (left_pad, right_pad))
data_format：字符串， “channels_last” (默认) 或 “channels_first”，表示输入中维度的顺序。
- channels_last 对应输入形状 (batch, height, width, channels)
- channels_first 对应输入尺寸为 (batch, channels, height, width)。

默认为在 Keras 配置文件 ~/.keras/keras.json 中的 image_data_format 值。如果你从未设置它，将使用 “channels_last”。

输入形状:

4维 tensor :

如果 data_format 是 “channels_last”: (batch, rows, cols, channels)
如果 data_format 是 “channels_first”: (batch, channels, rows, cols)

输出形状:

4维 tensor :

如果 data_format 是 “channels_last”: (batch, padded_rows, padded_cols, channels)
如果 data_format 是 “channels_first”: (batch, channels, padded_rows, padded_cols)

例子

构建2维矩阵

import numpy as np
import tensorflow as tf
np.set_printoptions(threshold=np.inf)

np.random.seed(1)
arr=np.random.randint(1,9,(4,4))
print(arr)

执行结果：

1 [[6 4 5 1]
2 [8 2 4 6]
3 [8 1 1 2]
4 [5 8 6 5]]

例1

传递1个整数，填充0：

1 arr=arr.reshape(1,4,4,1)
2 inp=tf.keras.Input((4,4,1))
3 x=tf.keras.layers.ZeroPadding2D(1)(inp)
4 model=tf.keras.Model(inp,x)
5 res=model(arr)
6 tf.print(tf.squeeze(res))

例2

传递2个整数的tuple，填充0：

1 arr=arr.reshape(1,4,4,1)
2 inp=tf.keras.Input((4,4,1))
3 x=tf.keras.layers.ZeroPadding2D((1,2))(inp)
4 model=tf.keras.Model(inp,x)
5 res=model(arr)
6 print(tf.squeeze(res).numpy())

执行结果：

1 [[0 0 0 0 0 0 0 0]
2 [0 0 6 4 5 1 0 0]
3 [0 0 8 2 4 6 0 0]
4 [0 0 8 1 1 2 0 0]
5 [0 0 5 8 6 5 0 0]
6 [0 0 0 0 0 0 0 0]]

例3

1 arr=arr.reshape(1,4,4,1)
2 inp=tf.keras.Input((4,4,1))
3 x=tf.keras.layers.ZeroPadding2D(((1,2),(3,4)))(inp)
4 model=tf.keras.Model(inp,x)
5 res=model(arr)
6 print(tf.squeeze(res).numpy())

执行结果：

1 [[0 0 0 0 0 0 0 0 0 0 0]
2 [0 0 0 6 4 5 1 0 0 0 0]
3 [0 0 0 8 2 4 6 0 0 0 0]
4 [0 0 0 8 1 1 2 0 0 0 0]
5 [0 0 0 5 8 6 5 0 0 0 0]
6 [0 0 0 0 0 0 0 0 0 0 0]
7 [0 0 0 0 0 0 0 0 0 0 0]]