F.pad函数的用法

1. 函数介绍

（1）F.pad 是 PyTorch 中 torch.nn.functional 模块（通常通过别名 F 导入）的一个函数，用于在输入张量的边界上填充值。这在处理图像、序列数据或其他需要特定尺寸输入的神经网络模型时非常有用。

（2）函数形式：torch.nn.functional.pad(input, pad, mode='constant', value=0)

（3）pad (Sequence[int, tuple[int, int], list[int, int]]): 定义在每个维度上填充大小的序列。其长度必须为输入张量维度的两倍（因为每个维度有两个边界：左边界和右边界）。也可以是一个整数，表示在所有维度上填充相同的大小。还可以是一个二元组，用于指定高度和宽度上的填充。 mode (str, optional): 填充模式。默认为 'constant'。支持的模式有：'constant'（用某个值填充，默认为 0）、'reflect'（反射填充，即镜像填充）、'replicate'（复制最后一个边界值）或 'circular'（循环填充）。

3. 代码介绍

# F.pad 函数的第二个参数 (0, 3) 是一个包含两个值的元组，这些值指定了填充的大小和方向。这个元组的含义是从最后一个维度开始依次向前指定填充的大小。
# 对于一个 2D 张量，(0, 3) 的具体含义是：
# 最后一个维度（列）的后面填充 3 个元素。
# 最后一个维度（列）的前面填充 0 个元素。
# 倒数第二个维度（行）没有进行填充（因为元组中没有指定它们）。
# 更详细地解释如下：
# (0, 3) 中的第一个值 0 表示在最后一个维度（列）的前面填充 0 个元素。
# (0, 3) 中的第二个值 3 表示在最后一个维度（列）的后面填充 3 个元素。

paed_3 = F.pad(torch.randint(1, 6, (2, 2)), (0, 3))
print(paed_3)


代码运行结果：
tensor([[3, 5, 0, 0, 0],
        [3, 2, 0, 0, 0]])


paed_4 = F.pad(torch.randint(1, 6, (2, 2)), (1, 3))
print(paed_4)

代码运行结果：
tensor([[0, 3, 4, 0, 0, 0],
        [0, 5, 1, 0, 0, 0]])


paed_4 = F.pad(torch.randint(1, 6, (2, 2)), (0, 2, 2, 2))
print(paed_4)

代码运行结果：
tensor([[0, 0, 0, 0],
        [0, 0, 0, 0],
        [2, 4, 0, 0],
        [3, 3, 0, 0],
        [0, 0, 0, 0],
        [0, 0, 0, 0]])


paed_4 = F.pad(torch.randint(1, 6, (2, 2)), (0, 2, 2, 0))
print(paed_4)

代码运行结果：
tensor([[0, 0, 0, 0],
        [0, 0, 0, 0],
        [5, 2, 0, 0],
        [4, 5, 0, 0]])

3. 总结

填充的位置：(a, b, c, d), (a, b)表示按照行填充的信息，a填充坐标，b填充右边