填充

torchvision.transforms.functional.pad(img: Tensor, padding: List[int], fill: Union[int, float] = 0, padding_mode: str = 'constant') → Tensor

在给定图像的所有边上使用给定的“填充”值填充。如果图像是 torch Tensor，则预计它具有 […, H, W] 形状，其中 … 表示模式反射和对称最多 2 个前导维度，模式边缘最多 3 个前导维度，以及模式常量任意数量的前导维度

参数：

• img (PIL 图像 或 Tensor) – 要填充的图像。

• padding (int 或 序列) –

  每个边界的填充。如果提供单个 int，则用于填充所有边界。如果提供长度为 2 的序列，则分别为左/右和上/下的填充。如果提供长度为 4 的序列，则分别为左、上、右和下边界的填充。

  注意

  在 torchscript 模式下，不支持将填充作为单个 int 使用，请使用长度为 1 的序列：[padding, ]。

• fill (数字 或 元组) – 用于常量填充的像素填充值。默认值为 0。如果长度为 3 的元组，则分别用于填充 R、G、B 通道。此值仅在 padding_mode 为常量时使用。对于 torch Tensor，仅支持数字。对于 PIL 图像，仅支持 int 或元组值。

• padding_mode (str) –

  填充类型。应为：常量、边缘、反射或对称。默认值为常量。

  • 常量：使用常量值填充，此值由填充指定

  • 边缘：使用图像边缘的最后一个值填充。如果输入 5D torch Tensor，则填充最后 3 个维度，而不是最后 2 个维度

  • 反射：使用图像的反射填充，不重复边缘的最后一个值。例如，在反射模式下使用 2 个元素在两边填充 [1, 2, 3, 4] 将得到 [3, 2, 1, 2, 3, 4, 3, 2]

  • 对称：使用图像的反射填充，重复边缘的最后一个值。例如，在对称模式下使用 2 个元素在两边填充 [1, 2, 3, 4] 将得到 [2, 1, 1, 2, 3, 4, 4, 3]

返回值：

填充后的图像。

返回类型：

PIL 图像或 Tensor

使用 pad 的示例

变换的说明

变换的说明