Python PyTorch ConstantPad2d用法及代码示例

本文简要介绍python语言中 torch.nn.ConstantPad2d 的用法。

用法:

class torch.nn.ConstantPad2d(padding, value)

参数：

padding(int,tuple) -填充的大小。如果是 int ，则在所有边界中使用相同的填充。如果是 4- tuple ，则使用(\text{padding\_left}、\text{padding\_right}、\text{padding\_top}、\text{padding\_bottom})

用一个常数值填充输入张量边界。

对于 N 维填充，请使用 torch.nn.functional.pad() 。

形状：

• 输入：(N, C, H_{in}, W_{in}) 或 (C, H_{in}, W_{in}) 。

• 输出： (N, C, H_{out}, W_{out}) 或 (C, H_{out}, W_{out}) ，其中

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

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

例子：

>>> m = nn.ConstantPad2d(2, 3.5)
>>> input = torch.randn(1, 2, 2)
>>> input
tensor([[[ 1.6585,  0.4320],
         [-0.8701, -0.4649]]])
>>> m(input)
tensor([[[ 3.5000,  3.5000,  3.5000,  3.5000,  3.5000,  3.5000],
         [ 3.5000,  3.5000,  3.5000,  3.5000,  3.5000,  3.5000],
         [ 3.5000,  3.5000,  1.6585,  0.4320,  3.5000,  3.5000],
         [ 3.5000,  3.5000, -0.8701, -0.4649,  3.5000,  3.5000],
         [ 3.5000,  3.5000,  3.5000,  3.5000,  3.5000,  3.5000],
         [ 3.5000,  3.5000,  3.5000,  3.5000,  3.5000,  3.5000]]])
>>> # using different paddings for different sides
>>> m = nn.ConstantPad2d((3, 0, 2, 1), 3.5)
>>> m(input)
tensor([[[ 3.5000,  3.5000,  3.5000,  3.5000,  3.5000],
         [ 3.5000,  3.5000,  3.5000,  3.5000,  3.5000],
         [ 3.5000,  3.5000,  3.5000,  1.6585,  0.4320],
         [ 3.5000,  3.5000,  3.5000, -0.8701, -0.4649],
         [ 3.5000,  3.5000,  3.5000,  3.5000,  3.5000]]])