PyTorch F.pad()

调包侠的自我修养。

国际惯例引用

import torch
import torch.nn.functional as F

先看定义

def pad(input, pad, mode='constant', value=0):

F.pad函数封装了不同mode的其他pad函数

torch.nn.ConstantPad(涵盖了torch.nn.ZeroPad)
torch.nn.ReflectiontPad
torch.nn.ReplicationPad

以及一个独特的pad能力

F._pad_circular(input,padding)

其中input的形状至少是3D张量，因为前2维必须是batch,C_in。然后根据需求接上H,[W,D]。
参数pad是一个元组，成对地控制H,[W,D]上的pad。

1. mode=‘constant’

此时 value为要填充的任意值。
注意，如果mode!=‘constant’，则assert(value==0)

constant pad的能力完全覆盖了zeropad，zeropad只是它value=0时的一个特殊情况。

2. mode=‘reflect’

a=torch.Tensor([1,2,3,4,5,6,7,8]).view(1,1,-1)
b=F.pad(input=a,pad=(2,3),mode='reflect')
print(b)

返回结果

tensor([[[3., 2., 1., 2., 3., 4., 5., 6., 7., 8., 7., 6., 5.]]])

所谓relect就是以左右边界为起点，进行镜像填充。
因为我们pad=(2,3)
左边填充了2位，右边填充了3位。
左边多出来[3,2]，右边多出来[7,6,5]。

3.mode=‘replicate’

a=torch.Tensor([1,2,3,4,5,6,7,8]).view(1,1,-1)
b=F.pad(input=a,pad=(2,3),mode='replicate')
print(b)

返回结果

tensor([[[1., 1., 1., 2., 3., 4., 5., 6., 7., 8., 8., 8., 8.]]])

replicate如字面意思。将边界点的值重复若干次。

4.mode=‘circular’

a=torch.Tensor([1,2,3,4,5,6,7,8]).view(1,1,-1)
b=F.pad(input=a,pad=(2,3),mode='circular')
print(b)

返回结果

tensor([[[7., 8., 1., 2., 3., 4., 5., 6., 7., 8., 1., 2., 3.]]])

circular也如字面意思，以自身为模式串，循环呈现。