Штабелирование массивов с набивкой

Question

У меня есть список из 32 пустых массивов, каждый из которых имеет форму (n, 108, 108, 2), где n отличается в каждом массиве. Я хочу собрать их все вместе, чтобы создать простой массив формы (32, m, 108, 108, 2), где m - максимум среди n с, а более короткие массивы дополняются нулями.

Как мне это сделать?

Я спросил что-то похожее вчера, но ответы там, кажется, ломаются при использовании глубоких массивов, как в моем случае.

Конкретно, в конце концов я пошел с этим решением, которое дало самый чистый код:

data = np.column_stack(zip_longest(*data, fillvalue=0))

Но теперь выдает эту ошибку:

ValueError: setting an array element with a sequence.

Answer 1

Я нашел благочестивый ответ на этой веб-странице .

Функция pad_sequences - это именно то, что мне нужно.

from tensorflow.python.keras.preprocessing.sequence import pad_sequences
result = pad_sequences(imgs, padding='post')

Answer 2

В моем случае мне нужно было складывать изображения различной ширины и дополнять нулями с левой стороны. для меня это хорошо работает:

np.random.seed(42)
image_batch = []
for i in np.random.randint(50,500,size=10):
image_batch.append(np.random.randn(32,i))
for im in image_batch:
    print(im.shape)

вывод: (32, 152) (32, 485) (32, 398) (32, 320) (32, 156) (32, 121) (32, 238) (32, 70) (32, 152) (32, 171)

def stack_images_rows_with_pad(list_of_images):
    func = lambda x: np.array(list(zip_longest(*x, fillvalue=0))) # applied row wise
    return np.array(list(map(func, zip(*list_of_images)))).transpose(2,0,1)

res = stack_images_rows_with_pad(image_batch)

for im in rez:
    print(im.shape)

вывод: (32, 485) (32, 485) (32, 485) (32, 485) (32, 485) (32, 485) (32, 485) (32, 485) (32, 485) (32, 485)

Answer 3

Попробуйте это:

# Create matrices with random first axis length.
depth = np.random.randint(3,20,size=32)
l = []
lmax = 0
for i in depth:
    l.append(np.ones((i,10,10,2)))
    lmax = i if i > lmax else lmax

# Join the matrices:
new_l = []
for m in l:
    new_l.append(np.vstack([m, np.zeros((lmax-m.shape[0], 10, 10, 2))]))
master = np.stack(new_l, axis=0)
master.shape
>>> (32, 19, 10, 10, 2)

Я считаю, np.pad почти невозможно работать с матрицами более высокого измерения - к счастью, то, что вы спросили, было простым, когда нужно было расширить только одно измерение, так что np.vstack легко использовать для укладки нулей массив, который придает ему новую форму.