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。
- 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())
- 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())
- 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。
- 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())
- 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。
- 当输入一个参数时,表示上下左右均padding该参数数目的行/列。
- 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。