TensorFlow学习笔记[一]—— 填充张量函数 tf.pad 解析

函数的作用：

对张量按照你的需求进行填充

定义在：tensorflow/python/ops/array_ops.py

函数原型：

pad(
    tensor,
    paddings,
    mode='CONSTANT',
    name=None
)

参数说明：

tensor:   A 'Tensor'.     #tensor是要填充的张量;
paddings: A 'Tensor' of type 'int32'.     #paddings也是一个张量，是需要扩张的维度，代表每一维填充多少行和列
(注意！！paddings的rank也就是秩一定要和要填充的tensor的秩一样才行)，类型是Int32;
mode:    One of "CONSTANT", "REFLECT", or "SYMMETRIC" (case-insensitive)    #mode可选三个值，分别是"CONSTANT","REFLECT"和"SYMMETRIC"，代表三种不同的填充方式
name:    A name for the operation (optional).      #pad操作的重命名，一般不需要管，默认是None

mode参数详细说明：

mode="CONSTANT" 是填充0

mode="REFLECT"是映射填充，上下（1维）填充顺序和paddings是相反的，左右（零维）顺序补齐

mode="SYMMETRIC"是对称填充，上下（1维）填充顺序是和paddings相同的，左右（零维）对称补齐

返回值说明：

A 'Tensor'.     Has the same type as 'tensor'.

即返回值也是一个Tensor，类型和参数'tensor'是一样的。

举例说明：

本例使用的tensor都是rank=2的，注意paddings的rank也要等于2，否则会报错：

Example1：

t=[[2,3,4],[5,6,7]],   paddings=[[1,1],[2,2]]，  mode="CONSTANT"

那么sess.run(tf.pad(t,paddings,"CONSTANT"))的输出结果为：

array([[0, 0, 0, 0, 0, 0, 0],

          [0, 0, 2, 3, 4, 0, 0],

          [0, 0, 5, 6, 7, 0, 0],

          [0, 0, 0, 0, 0, 0, 0]], dtype=int32)

mode="CONSTANT"这种填充模式是最简单的，一看就能明白

上，下，左，右分别填充了1行、1行以及2列、2列

刚好和paddings=[[1,1],[2,2]]相等，

然后全部用0填充

Example 2:

t=[[2,3,4],[5,6,7]]， paddings=[[1,2],[2,3]],mode="CONSTANT"

sess.run(tf.pad(t,paddings,"CONSTANT"))的 输出结果为：