Pytorch之torch.nn.functional.pad超全解释

torch.nn.functional.pad是PyTorch内置的矩阵填充函数

(1).torch.nn.functional.pad函数详细描述如下：

torch.nn.functional.pad(input, pad, mode,value ) 
Args:
	"""
	input：四维或者五维的tensor Variabe
	pad：不同Tensor的填充方式
		1.四维Tensor：传入四元素tuple(pad_l, pad_r, pad_t, pad_b)，
		指的是（左填充，右填充，上填充，下填充），其数值代表填充次数
		2.六维Tensor：传入六元素tuple(pleft, pright, ptop, pbottom, pfront, pback)，
		指的是（左填充，右填充，上填充，下填充，前填充，后填充），其数值代表填充次数
	mode： ’constant‘, ‘reflect’ or ‘replicate’三种模式，指的是常量，反射，复制三种模式
	value：填充的数值，在"contant"模式下默认填充0，mode="reflect" or "replicate"时没有			
		value参数
		
	"""

使用举例：

import numpy as np
import torch
import torch.nn.functional as F
m=np.asarray([[[1,1],[1,1]]])
m=torch.Tensor(m)
print(m)
print(m.shape)

输出：
tensor([[[1., 1.],
             [1., 1.]]])

torch.Size([1, 2, 2])

可以出m是一个三维向量，下面我们继续：

pad_dims = (
                    2, 2,
                    0, 0,
                    0, 0,

                )
x=F.pad(m,pad_dims,"constant")
print(x)
print(x.shape)

输出：

tensor([[[0., 0., 1., 1., 0., 0.],
             [0., 0., 1., 1., 0., 0.]]])
torch.Size([1, 2, 6])

什么意思？这里在第一个位置增加的2，2表示横向补两行0，大概就是下面的意思。

下面继续：

pad_dims = (
                    0, 0,
                    2, 2,
                    0, 0,

                )
x=F.pad(m,pad_dims,"constant")
print(x)
print(x.shape)

输出：

tensor([[[0., 0.],
             [0., 0.],
             [1., 1.],
             [1., 1.],
             [0., 0.],
             [0., 0.]]])
torch.Size([1, 6, 2])

这样就是纵向补了两行0，但是依然还是一个维度，意思是这样：

继续

pad_dims = (
                    0, 0,
                    0, 0,
                    1, 1,

                )
x=F.pad(m,pad_dims,"constant")
print(x)
print(x.shape)

输出：

相信你已经猜到了

tensor([[[0., 0.],
             [0., 0.]],

            [[1., 1.],
             [1., 1.]],

            [[0., 0.],
             [0., 0.]]])
torch.Size([3, 2, 2])

正是维度上被填了0，这里是1，1.所以补了两个维度的0。画图这样理解