Pytorch之torch.nn.functional.pad函数详解

最新推荐文章于 2024-08-03 22:30:28 发布

实名吃香菜

最新推荐文章于 2024-08-03 22:30:28 发布

阅读量951

点赞数 3

分类专栏： PyTorch 文章标签： pytorch 深度学习人工智能

本文链接：https://blog.csdn.net/qq_61980594/article/details/135975614

版权

PyTorch 专栏收录该内容

9 篇文章 0 订阅

订阅专栏

本文详细介绍了PyTorch库中的torch.nn.functional.pad函数，用于在张量边界添加填充，支持多种填充模式。此功能常用于卷积神经网络的输入预处理和序列数据对齐，通过代码示例展示了其实现方法。

摘要由CSDN通过智能技术生成

定义: torch.nn.functional.pad 是一个函数，用于给定的张量在所有维度的边界上添加填充。
参数:
- input (Tensor): 要进行填充的输入张量。
- pad (int, tuple): （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 (str, 可选): 填充的类型，可以是 'constant', 'reflect', 'replicate' 或 'circular'。默认为 'constant'。
- value (float, 可选): 当mode='constant'时，用于填充的值。默认为0。
返回值:
- 填充后的张量。
用途:
- 该函数用于对数据进行填充，常见于卷积神经网络的输入处理，或者在序列处理中对齐不同长度的数据。
代码示例:

import torch.nn.functional as F

x = torch.tensor([1, 2, 3, 4])
# 对x进行填充：左侧填充2个单位，右侧填充3个单位，填充值为-1
padded_x = F.pad(x, (2, 3), 'constant', -1)
# 输出: tensor([-1, -1, 1, 2, 3, 4, -1, -1, -1])