tf.pad

Заполняет тензор.

tf.pad(
    tensor, paddings, mode='CONSTANT', name=None, constant_values=0
)

Данная операция заполняет tensor в соответствии со paddings которые вы укажете. paddings — это целочисленный тензор с формой [n, 2], где n — ранг tensor. Для каждого измерения D input, paddings[D, 0] указывает, сколько значений необходимо добавить перед содержимым tensor в этом измерении, а paddings[D, 1] указывает, сколько значений необходимо добавить после содержимого tensor в этом измерении. Если mode равно "REFLECT", то и paddings[D, 0], и paddings[D, 1] должны быть не больше tensor.dim_size(D) - 1. Если mode равно "SYMMETRIC", то и paddings[D, 0], и paddings[D, 1] должны быть не больше tensor.dim_size(D).

Размер заполненного каждого измерения D выходного тензора:

paddings[D, 0] + tensor.dim_size(D) + paddings[D, 1]

Например:

t = tf.constant([[1, 2, 3], [4, 5, 6]])
paddings = tf.constant([[1, 1,], [2, 2]])
# 'constant_values' is 0.
# rank of 't' is 2.
tf.pad(t, paddings, "CONSTANT")  # [[0, 0, 0, 0, 0, 0, 0],
                                 #  [0, 0, 1, 2, 3, 0, 0],
                                 #  [0, 0, 4, 5, 6, 0, 0],
                                 #  [0, 0, 0, 0, 0, 0, 0]]

tf.pad(t, paddings, "REFLECT")  # [[6, 5, 4, 5, 6, 5, 4],
                                #  [3, 2, 1, 2, 3, 2, 1],
                                #  [6, 5, 4, 5, 6, 5, 4],
                                #  [3, 2, 1, 2, 3, 2, 1]]

tf.pad(t, paddings, "SYMMETRIC")  # [[2, 1, 1, 2, 3, 3, 2],
                                  #  [2, 1, 1, 2, 3, 3, 2],
                                  #  [5, 4, 4, 5, 6, 6, 5],
                                  #  [5, 4, 4, 5, 6, 6, 5]]