torch.nn.functional.pad

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

Заполняет тензор.

Размер заполнения:

Размер заполнения для некоторых измерений input описан, начиная с последнего измерения и двигаясь вперёд. $\left\lfloor\frac{\text{len(pad)}}{2}\right\rfloor$ измерений input будут заполнены. Например, чтобы заполнить только последнее измерение входного тензора, тогда pad имеет вид $(\text{padding\_left}, \text{padding\_right})$; чтобы заполнить последние 2 измерения входного тензора, используйте $(\text{padding\_left}, \text{padding\_right},$ $\text{padding\_top}, \text{padding\_bottom})$; чтобы заполнить последние 3 измерения, используйте $(\text{padding\_left}, \text{padding\_right},$ $\text{padding\_top}, \text{padding\_bottom}$ $\text{padding\_front}, \text{padding\_back})$.

Режим заполнения:

См. torch.nn.ConstantPad2d, torch.nn.ReflectionPad2d и torch.nn.ReplicationPad2d для конкретных примеров того, как работает каждый режим заполнения. Постоянное заполнение реализовано для произвольных измерений. Заполнение копированием и отражением реализованы для заполнения последних 3 измерений 4D или 5D входного тензора, последних 2 измерений 3D или 4D входного тензора или последнего измерения 2D или 3D входного тензора.

Примечание

При использовании CUDA-бекенда эта операция может вызывать недетерминированное поведение в обратном проходе, которое нелегко отключить. См. заметки о воспроизводимости для получения дополнительной информации.

Параметры:

• input (Tensor) – N-мерный тензор
• pad (кортеж) – m-элементный кортеж, где $\frac{m}{2} \leq$ измерений входного тензора и $m$ - чётное число.
• mode – 'constant', 'reflect', 'replicate' или 'circular'. По умолчанию: 'constant'
• value – значение заполнения для 'constant' заполнения. По умолчанию: 0

Примеры:

>>> 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])