Pytorch nn.functional.pad()的简单用法

官方文档：https://pytorch-cn.readthedocs.io/zh/latest/package_references/functional/
作用：进行填充，类似卷积里的padding
方法头：

ret = F.pad(input, pad, mode='constant', value=0)

• input：N维的Tensor
• pad：元组(一般是四元的)，表示各个方向上需要填充的长度
• mode：模式，有‘constant’，‘reflect’，‘replicate’
• value：填充值

例子：有一张2×2的特征图，需要对其进行长度为1的padding：

import torch
from torch.nn import functional as F

x = torch.empty([2, 2])
print(x)
y = F.pad(x, (1, 1, 1, 1), "constant", 1)
# 上面这句一般来说也经常这么写：
# y = F.pad(x, (1, ) * 4, "constant", 1)
print(y)

输出：

tensor([[0., 0.],
        [0., 0.]])
tensor([[1., 1., 1., 1.],
        [1., 0., 0., 1.],
        [1., 0., 0., 1.],
        [1., 1., 1., 1.]])

而对于更加常用的(B, C, H, W)格式的特征图，其实也是一样的写法：

import torch
from torch.nn import functional as F

x = torch.empty([1, 3, 2, 2])
print(x)
y = F.pad(x, (1, 1, 1, 1), "constant", 1)
print(y)

输出：

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

         [[0., 0.],
          [0., 0.]],

         [[0., 0.],
          [0., 0.]]]])
tensor([[[[1., 1., 1., 1.],
          [1., 0., 0., 1.],
          [1., 0., 0., 1.],
          [1., 1., 1., 1.]],

         [[1., 1., 1., 1.],
          [1., 0., 0., 1.],
          [1., 0., 0., 1.],
          [1., 1., 1., 1.]],

         [[1., 1., 1., 1.],
          [1., 0., 0., 1.],
          [1., 0., 0., 1.],
          [1., 1., 1., 1.]]]])