Python PyTorch ReflectionPad2d用法及代码示例

本文简要介绍python语言中 torch.nn.ReflectionPad2d 的用法。

用法:

class torch.nn.ReflectionPad2d(padding)

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})

使用输入边界的反射填充输入张量。

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.ReflectionPad2d(2)
>>> input = torch.arange(9, dtype=torch.float).reshape(1, 1, 3, 3)
>>> input
tensor([[[[0., 1., 2.],
          [3., 4., 5.],
          [6., 7., 8.]]]])
>>> m(input)
tensor([[[[8., 7., 6., 7., 8., 7., 6.],
          [5., 4., 3., 4., 5., 4., 3.],
          [2., 1., 0., 1., 2., 1., 0.],
          [5., 4., 3., 4., 5., 4., 3.],
          [8., 7., 6., 7., 8., 7., 6.],
          [5., 4., 3., 4., 5., 4., 3.],
          [2., 1., 0., 1., 2., 1., 0.]]]])
>>> # using different paddings for different sides
>>> m = nn.ReflectionPad2d((1, 1, 2, 0))
>>> m(input)
tensor([[[[7., 6., 7., 8., 7.],
          [4., 3., 4., 5., 4.],
          [1., 0., 1., 2., 1.],
          [4., 3., 4., 5., 4.],
          [7., 6., 7., 8., 7.]]]])