pad

paddle.nn.functional. pad ( x, pad, mode=’constant’, value=0.0, data_format=’NCHW’, name=None ) [源代码]

该OP依照 pad 和 mode 属性对 x 进行 pad。如果 mode 为 'constant'，并且 pad 的长度为 x 维度的2倍时，则会根据 pad 和 value 对 x 从前面的维度向后依次补齐；否则只会对 x 在除 batch size 和 channel 之外的所有维度进行补齐。如果 mode 为 reflect，则 x 对应维度上的长度必须大于对应的 pad 值。

参数：

  • x (Tensor) - Tensor，format可以为 'NCL', 'NLC', 'NCHW', 'NHWC', 'NCDHW' 或 'NDHWC'，默认值为 'NCHW'，数据类型支持float16, float32, float64, int32, int64。

  • pad (Tensor | List[int]) - 填充大小。当输入维度为3时，pad的格式为[pad_left, pad_right]； 当输入维度为4时，pad的格式为[pad_left, pad_right, pad_top, pad_bottom]； 当输入维度为5时，pad的格式为[pad_left, pad_right, pad_top, pad_bottom, pad_front, pad_back]。

  • mode (str) - padding的四种模式，分别为 'constant', 'reflect', 'replicate' 和 'circular'。 'constant' 表示填充常数 value； 'reflect' 表示填充以 x 边界值为轴的映射； 'replicate' 表示 填充 x 边界值； 'circular' 为循环填充 x 。具体结果可见以下示例。默认值为 'constant'。

  • value (float32) - 以 'constant' 模式填充区域时填充的值。默认值为0.0。

  • data_format (str) - 指定 x 的format，可为 'NCL', 'NLC', 'NCHW', 'NHWC', 'NCDHW' 或 'NDHWC'，默认值为 'NCHW'。

  • name (str, 可选) - 该参数供开发人员打印调试信息时使用，具体用法请参见 Name ，缺省值为None。

返回： 对 x 进行 'pad' 的结果，数据类型和 x 相同。

返回类型：Tensor

示例：

  1. x = [[[[[1., 2., 3.],
  2.         [4., 5., 6.]]]]]
  4. Case 0:
  5.     pad = [2, 2, 1, 1, 0, 0],
  6.     mode = 'constant'
  7.     pad_value = 0
  8.     Out = [[[[[0. 0. 0. 0. 0. 0. 0.]
  9.               [0. 0. 1. 2. 3. 0. 0.]
  10.               [0. 0. 4. 5. 6. 0. 0.]
  11.               [0. 0. 0. 0. 0. 0. 0.]]]]]
  13. Case 1:
  14.     pad = [2, 2, 1, 1, 0, 0],
  15.     mode = 'reflect'
  16.     Out = [[[[[6. 5. 4. 5. 6. 5. 4.]
  17.               [3. 2. 1. 2. 3. 2. 1.]
  18.               [6. 5. 4. 5. 6. 5. 4.]
  19.               [3. 2. 1. 2. 3. 2. 1.]]]]]
  21. Case 2:
  22.     pad = [2, 2, 1, 1, 0, 0],
  23.     mode = 'replicate'
  24.     Out = [[[[[1. 1. 1. 2. 3. 3. 3.]
  25.               [1. 1. 1. 2. 3. 3. 3.]
  26.               [4. 4. 4. 5. 6. 6. 6.]
  27.               [4. 4. 4. 5. 6. 6. 6.]]]]]
  29. Case 3:
  30.     pad = [2, 2, 1, 1, 0, 0],
  31.     mode = 'circular'
  32.     Out = [[[[[5. 6. 4. 5. 6. 4. 5.]
  33.               [2. 3. 1. 2. 3. 1. 2.]
  34.               [5. 6. 4. 5. 6. 4. 5.]
  35.               [2. 3. 1. 2. 3. 1. 2.]]]]]

代码示例：

  1. import numpy as np
  2. import paddle
  3. import paddle.nn.functional as F
  5. # example 1
  6. x_shape = (1, 1, 3)
  7. x = paddle.arange(np.prod(x_shape), dtype="float32").reshape(x_shape) + 1
  8. y = F.pad(x, [2, 3], value=1, mode='constant', data_format="NCL")
  9. print(y)
  10. # [[[1. 1. 1. 2. 3. 1. 1. 1.]]]
  12. # example 2
  13. x_shape = (1, 1, 2, 3)
  14. x = paddle.arange(np.prod(x_shape), dtype="float32").reshape(x_shape) + 1
  15. y = F.pad(x, [1, 2, 1, 1], value=1, mode='circular')
  16. print(y)
  17. # [[[[6. 4. 5. 6. 4. 5.]
  18. #    [3. 1. 2. 3. 1. 2.]
  19. #    [6. 4. 5. 6. 4. 5.]
  20. #    [3. 1. 2. 3. 1. 2.]]]]