torch.nn.functional.pad(input, pad, mode='constant', value=0)

填充Tensor。

填充大小：

填充input的某些維度的填充大小從最后一個維度開始向前描述。$$?\frac{len(pad)}{2}?$$input的維度將被填充。

例如，只填充輸入張量的最后一個維度，那么pad的形式為：(padding_left, padding_right)；要填充輸入張量的最后兩個維度，請使用(padding_left, padding_right, padding_top, padding_bottom)；要填充最后3個維度，請使用(padding_left, padding_right, padding_top, padding_bottom, padding_front, padding_back)。

填充模式：

具體請參考 torch.nn.ConstantPad2d, torch.nn.ReflectionPad2d, 和 torch.nn.ReplicationPad2d 了解有關每個填充模式如何工作的具體示例。

對任意維度實現常量填充。復制填充用于填充5D輸入張量的最后3個維度，或4D輸入張量的最后2個維度，或3D輸入張量的最后一個維度。反射填充僅用于填充4D輸入張量的最后2個維度或3D輸入張量的最后一個維度。

使用CUDA后端時，此操作可能會在其不易關閉的向后傳遞中導致不確定行為。請參見背景再現性。

參數

• input (Tensor) – N維Tensor
• pad (tuple) –
• mode – constant、reflect、replicate、circular，默認值：constant
• value – constant填充的填充值，默認值：0

Examples

import torch import torch.nn.functional as Fa = torch.randn(1, 2, 3) a Out[5]: tensor([[[ 0.7564, -1.8093, -0.7655],[-0.2113, 0.0956, 0.8980]]])p = (2, 3) o = F.pad(a, p, "constant", 0)o Out[8]: tensor([[[ 0.0000, 0.0000, 0.7564, -1.8093, -0.7655, 0.0000, 0.0000, 0.0000],[ 0.0000, 0.0000, -0.2113, 0.0956, 0.8980, 0.0000, 0.0000, 0.0000]]]) >>> t4d = torch.empty(3, 3, 4, 2) >>> p1d = (1, 1) # pad last dim by 1 on each side >>> out = F.pad(t4d, p1d, "constant", 0) # effectively zero padding >>> print(out.size()) torch.Size([3, 3, 4, 4]) >>> p2d = (1, 1, 2, 2) # pad last dim by (1, 1) and 2nd to last by (2, 2) >>> out = F.pad(t4d, p2d, "constant", 0) >>> print(out.size()) torch.Size([3, 3, 8, 4]) >>> t4d = torch.empty(3, 3, 4, 2) >>> p3d = (0, 1, 2, 1, 3, 3) # pad by (0, 1), (2, 1), and (3, 3) >>> out = F.pad(t4d, p3d, "constant", 0) >>> print(out.size()) torch.Size([3, 9, 7, 3])

總結

以上是生活随笔為你收集整理的torch.nn.functional.pad(input, pad, mode=‘constant‘, value=0)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。