torch.nn.functional.pad

torch.nn.functional.pad(input, pad, mode='constant', value=None) → Tensor

对张量进行填充。

填充大小

用于填充 input 的某些维度的填充大小从最后一个维度开始，向前移动。 $\left\lfloor\frac{\text{len(pad)}}{2}\right\rfloor$ 的维度将被填充。例如，要仅填充输入张量的最后一个维度，则 pad 的形式为 $(\text{padding\_left}, \text{padding\_right})$; 要填充输入张量的最后 2 个维度，则使用 $(\text{padding\_left}, \text{padding\_right},$ $\text{padding\_top}, \text{padding\_bottom})$; 要填充最后 3 个维度，则使用 $(\text{padding\_left}, \text{padding\_right},$ $\text{padding\_top}, \text{padding\_bottom}$ $\text{padding\_front}, \text{padding\_back})$.

填充模式

查看 torch.nn.CircularPad2d、torch.nn.ConstantPad2d、torch.nn.ReflectionPad2d 和 torch.nn.ReplicationPad2d 获取每个填充模式的具体示例。常量填充在任意维度上都有实现。循环填充、复制填充和反射填充在 4D 或 5D 输入张量的最后 3 个维度、3D 或 4D 输入张量的最后 2 个维度或 2D 或 3D 输入张量的最后 1 个维度上实现。

注意

当使用 CUDA 后端时，此操作可能会在其反向传播中引入不可确定的行为，并且难以关闭。有关背景信息，请参阅关于 可重复性 的说明。

参数

• input (张量) – N 维张量

• pad (元组) – m 个元素的元组，其中 $\frac{m}{2} \leq$ 输入维度，并且 $m$ 是偶数。

• mode (字符串) – 'constant'、'reflect'、'replicate' 或 'circular'。默认值：'constant'

• value (可选[浮点数]) – 'constant' 填充的填充值。默认值：0

返回值类型

张量

示例

>>> 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])