使用PyTorch为Tensor指定上下左右padding的行/列数目

先import相关库

import torch
import torch.nn as nn
import torch.nn.functional as F

第一种情况：当想要对Tensor上下和左右padding的数量不一样时

例如，想要对Tensor左右padding各一列，而上下padding各两行，有以下三种方式。

1. 将padding数量作为创建padding后所要执行的函数（如卷积）对象的输入参数：

conv = nn.Conv2d(in_channels=3, out_channels=3, kernel_size=1, padding=(2, 1), stride=1)
inp = torch.randn(1, 3, 10, 10)
print(inp.size())
outp = conv(inp)
print(outp.size())

2. 创建nn.ZeroPad2d对象：

pad = nn.ZeroPad2d((1, 1, 2, 2))
inp = torch.randn(1, 3, 10, 10)
print(inp.size())
outp = pad(inp)
print(outp.size())

3. 使用F.pad函数：

inp = torch.randn(1, 3, 10, 10)
print(inp.size())
outp = F.pad(inp, [1, 1, 2, 2])
print(outp.size())

第二种情况：当想要对Tensor上下左右padding的数量均不一样时

例如，想要对Tensor左padding一列，右padding两列，上padding三行，下padding四行，有以下两种方式。

1. 创建nn.ZeroPad2d对象：

pad = nn.ZeroPad2d((1, 2, 3, 4))
inp = torch.randn(1, 3, 10, 10)
print(inp.size())
outp = pad(inp)
print(outp.size())

2. 使用F.pad函数：

inp = torch.randn(1, 3, 10, 10)
print(inp.size())
outp = F.pad(inp, [1, 2, 3, 4])
print(outp.size())

注意点

• 在PyTorch中，网络层（如卷积、池化等）的padding参数只允许输入一个参数或两个参数。

1. 当输入一个参数时，表示上下左右均padding该参数数目的行/列。
2. 当输入两个参数（A, B）时，表示左右各padding A列，上下各padding B行。

• 当想要上下左右均padding不同数目的行/列时，只能通过nn.ZeroPad2d或F.pad进行，其pad相关参数可以输入四个参数（A, B, C, D），分别表示左、右、上、下所要padding的行/列数目。