LeNet体系结构中mnist的填充

Question

LeNet接受32X32图像。因此，要将LeNet用于MNIST数据集，我们必须将大小从28X28更改为32X32。我偶然发现了这实现。我对下面这一行代码的工作方式感到困惑。

np.pad(X_train, ((0,0),(2,2),(2,2),(0,0)), 'constant')

上面的代码pad 28X28像素图像变成了32X32图像。有人能帮我弄清楚到底是怎么做到的吗。

Answer 1

基本上，它所做的正是您所指定的。用numpy函数在每个维度中追加值。给定数据集的维度，每个轴上的"pads“数量由((0,0),(2,2),(2,2),(0,0))指定，即：

10000 (samples) x 28 (image dimension 1) x 28 (image dim. 2) x 1 (grayscale value!)

现在让我们看看您的规范在这方面意味着什么：

(0,0)Pad 0(as in the amount) values before and after each row
(2,2)Pad 2 before and 2 after each value of dim. 1 of your image data: 28 values -> 32
(2,2)Pad 2 before and 2 after each value of dim. 2 of your image data: 28 values -> 32
(0,0)Pad, again, nothing in the grayscale value dimension

这意味着您将在相应的维度中得到一个32x32图像。现在，剩下的唯一的事情是:我们应该填充哪些值？答案很简单，您没有指定任何constant_values，这意味着它将使用默认的constant_values (在上面链接的页面上指定)。即这个值是0。

总之，简单地想象一下，你有一个32x32的图像，你的28x28在中间，在外面，你有一个0's的2值边框。