CircularPad3d

class torch.nn.modules.padding.CircularPad3d(padding) [исходный код]

Дополняет входной тензор циклическим дополнением на границах входных данных.

Значения тензора в начале измерения используются для дополнения его конца, а значения в конце — для дополнения начала. При отрицательном дополнении концы тензора удаляются.

Для дополнения по N измерениям используйте torch.nn.functional.pad().

Параметры:

padding (int, tuple) – размер дополнения. Если задано int, используется одинаковое дополнение для всех границ. Если задан кортеж из 6-tuple, используются значения ($\text{padding\_left}$, $\text{padding\_right}$, $\text{padding\_top}$, $\text{padding\_bottom}$, $\text{padding\_front}$, $\text{padding\_back}$. Обратите внимание, что размер дополнения должен быть меньше или равен соответствующему измерению входных данных.

Форма:

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

• Выходные данные: $(N, C, D_{out}, H_{out}, W_{out})$ 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.CircularPad3d(3)
>>> input = torch.randn(16, 3, 8, 320, 480)
>>> output = m(input)
>>> # using different paddings for different sides
>>> m = nn.CircularPad3d((3, 3, 6, 6, 1, 1))
>>> output = m(input)