快捷方式

CircularPad1d

class torch.nn.CircularPad1d(padding)[source]

使用输入边界的循环填充来填充输入张量。

维度开始处的张量值用于填充结尾,结尾处的值用于填充开头。如果应用负填充,则张量的结尾将被移除。

对于 N 维填充,请使用 torch.nn.functional.pad()

参数

padding (int, tuple) – 填充的大小。如果为 int,则在所有边界使用相同的填充。如果为 2-tuple,则使用 (padding_left\text{padding\_left}, padding_right\text{padding\_right})

形状
  • 输入:(C,Win)(C, W_{in})(N,C,Win)(N, C, W_{in}).

  • 输出:(C,Wout)(C, W_{out})(N,C,Wout)(N, C, W_{out}), 其中

    Wout=Win+padding_left+padding_rightW_{out} = W_{in} + \text{padding\_left} + \text{padding\_right}

示例

>>> m = nn.CircularPad1d(2)
>>> input = torch.arange(8, dtype=torch.float).reshape(1, 2, 4)
>>> input
tensor([[[0., 1., 2., 3.],
         [4., 5., 6., 7.]]])
>>> m(input)
tensor([[[2., 3., 0., 1., 2., 3., 0., 1.],
         [6., 7., 4., 5., 6., 7., 4., 5.]]])
>>> # using different paddings for different sides
>>> m = nn.CircularPad1d((3, 1))
>>> m(input)
tensor([[[1., 2., 3., 0., 1., 2., 3., 0.],
         [5., 6., 7., 4., 5., 6., 7., 4.]]])

文档

访问 PyTorch 的完整开发文档

查看文档

教程

获取面向初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源