tensorflow中的pad函数解释

说明：关于 tf.pad(...)  函数网上的解释和官网都让你看不懂，自己理解整理如下，希望可以帮到需要的人，以下内容只关注0扩展边界
函数原型：
tf.pad(input, paddings, name=None)
input : 代表输入张量
padding ： 代表加的边界
name ： 代表此操作的名字
官方的doc为： 可以访问 tensorflow API
Pads a tensor with zeros.
This operation pads a input with zeros according to the paddings youspecify.paddings is an integer tensor with shape [Dn, 2], where n is therank of input. For each dimension D of input,paddings[D, 0] indicateshow many zeros to add before the contents of input in that dimension, and paddings[D, 1] indicates how many zeros to add after the contents of input in that dimension.
The padded size of each dimension D of the output is:
paddings(D, 0) + input.dim_size(D) + paddings(D, 1)
For example:

# 't' is [[1, 1], [2, 2]]
# 'paddings' is [[1, 1]], [2, 2]]
# rank of 't' is 2
pad(t, paddings) ==> [[0, 0, 0, 0, 0]
                      [0, 0, 0, 0, 0]
                      [0, 1, 1, 0, 0]
                     [[0, 2, 2, 0, 0]
                      [0, 0, 0, 0, 0]]

以上的文档是不是看了也没法理解是啥意思
padding它必须是 [N, 2] 形式，N代表张量的阶， 2代表必须是2列，比如
padding = [ [1,1], [2,2] ]   或者padding = [ [1,1], [2,2], [3,3] ]
具体根据需要设定，但列必须为2，不然报错
首先，假定 一个3x1的一个张量input = [[1],[2],[3]] ， padding = [[1,1], [2,2]]

input = [[1], [2], [3]]
padding = [[1,2],[1,2]]
print(sess.run(tf.pad(input,padding)))
[[0 0 0 0]
 [0 1 0 0]
 [0 2 0 0]
 [0 3 0 0]
 [0 0 0 0]
 [0 0 0 0]]

由输出tensor可以看出， 输入input从外到内为2层，padding的 [1,2]代表在最外层上进行，表示在原input前加一行全0，后加2行全0，变成
[[0 0 ]
 [0 1 ]
 [0 2 ]
 [0 3 ]
 [0 0 ]
 [0 0 ]]
然后，padding的[1,2]代表在第二层上操作，在每一行的前面加一个0，在末尾加2个0，得到最终的输出结果
[[0 0 0 0 0 ]
 [0 0 1 0 0 ]
 [0 0 2 0 0 ]
 [0 0 3 0 0 ]
 [0 0 0 0 0 ]
 [0 0 0 0 0 ]]
其他维的操作也是类似，padding里面每个[a, b] 都代表在相应的维上，前加 a个(行) 0，后加b个(行) 0
在看一个例子：第一个维度上前加3行0，后加1行0；第二维度上，前加3个0，后加5个0

input = [[1], [2], [3]]

padding = [[3,1],[3,5]]
print(sess.run(tf.pad(input,padding)))
[[0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 1 0 0 0 0 0]
 [0 0 0 2 0 0 0 0 0]
 [0 0 0 3 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0]]