ConstantPad1d

class torch.nn.modules.padding.ConstantPad1d(padding, value) [source]

Дополняет границы входного тензора постоянным значением.

Для дополнения размерности N используйте torch.nn.functional.pad().

Параметры:

padding (int, tuple) – размер дополнения. Если значение равно int, с обеих сторон используется одинаковое дополнение. Если задан 2-tuple, используются ($\text{padding\_left}$, $\text{padding\_right}$

Размеры:

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

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

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

Примеры:

>>> m = nn.ConstantPad1d(2, 3.5)
>>> input = torch.randn(1, 2, 4)
>>> input
tensor([[[-1.0491, -0.7152, -0.0749,  0.8530],
         [-1.3287,  1.8966,  0.1466, -0.2771]]])
>>> m(input)
tensor([[[ 3.5000,  3.5000, -1.0491, -0.7152, -0.0749,  0.8530,  3.5000,
           3.5000],
         [ 3.5000,  3.5000, -1.3287,  1.8966,  0.1466, -0.2771,  3.5000,
           3.5000]]])
>>> m = nn.ConstantPad1d(2, 3.5)
>>> input = torch.randn(1, 2, 3)
>>> input
tensor([[[ 1.6616,  1.4523, -1.1255],
         [-3.6372,  0.1182, -1.8652]]])
>>> m(input)
tensor([[[ 3.5000,  3.5000,  1.6616,  1.4523, -1.1255,  3.5000,  3.5000],
         [ 3.5000,  3.5000, -3.6372,  0.1182, -1.8652,  3.5000,  3.5000]]])
>>> # using different paddings for different sides
>>> m = nn.ConstantPad1d((3, 1), 3.5)
>>> m(input)
tensor([[[ 3.5000,  3.5000,  3.5000,  1.6616,  1.4523, -1.1255,  3.5000],
         [ 3.5000,  3.5000,  3.5000, -3.6372,  0.1182, -1.8652,  3.5000]]])