ReflectionPad3d

class torch.nn.ReflectionPad3d(padding) [source]

Устанавливает отступ входного тензора, используя отражение границ входных данных.

Для N-мерного отступа используйте torch.nn.functional.pad().

Параметры:

padding (int, tuple) – размер отступа. Если это int, используется одинаковый отступ для всех границ. Если 6-tuple, используется ($\text{padding\_left}$, $\text{padding\_right}$, $\text{padding\_top}$, $\text{padding\_bottom}$, $\text{padding\_front}$, $\text{padding\_back}$)

Форма:

• Вход: $(N, C, D_{in}, H_{in}, W_{in})$ или $(C, D_{in}, H_{in}, W_{in})$.

• Выход: $(N, C, D_{out}, H_{out}, W_{out})$ или $(C, D_{out}, H_{out}, W_{out})$, где

  $D_{out} = D_{in} + \text{padding\_front} + \text{padding\_back}$

  $H_{out} = H_{in} + \text{padding\_top} + \text{padding\_bottom}$

  $W_{out} = W_{in} + \text{padding\_left} + \text{padding\_right}$

Примеры:

>>> m = nn.ReflectionPad3d(1)
>>> input = torch.arange(8, dtype=torch.float).reshape(1, 1, 2, 2, 2)
>>> m(input)
tensor([[[[[7., 6., 7., 6.],
           [5., 4., 5., 4.],
           [7., 6., 7., 6.],
           [5., 4., 5., 4.]],
          [[3., 2., 3., 2.],
           [1., 0., 1., 0.],
           [3., 2., 3., 2.],
           [1., 0., 1., 0.]],
          [[7., 6., 7., 6.],
           [5., 4., 5., 4.],
           [7., 6., 7., 6.],
           [5., 4., 5., 4.]],
          [[3., 2., 3., 2.],
           [1., 0., 1., 0.],
           [3., 2., 3., 2.],
           [1., 0., 1., 0.]]]]])