mindspore.ops.pad

mindspore.ops.pad(input_x, paddings)[源代码]

根据参数 paddings 对输入进行填充。

输出Tensor的shape计算公式如下：

\[\begin{split}\begin{aligned} &\text{ input_x_shape} = (N_{1},N_{2},...,N_{n}) \\ &\begin{aligned} \text{output_shape = }(&N_{1}+paddings[0,0]+paddings[0,1], \\ & N_{2}+paddings[1,0]+paddings[1,1], \\ &... , \\ & N_{n}+paddings[n-1,0]+paddings[n-1,1]) \end{aligned} \end{aligned}\end{split}\]

Note

仅当 input_x 为非动态shape时，支持 paddings 里存在负数值。

参数：

input_x (Tensor) - 输入Tensor。
paddings (tuple) - 填充大小，其shape为(N, 2)，N是输入数据的维度，填充的元素为int类型。对于 x 的第 D 个维度，paddings[D, 0]表示输入Tensor的第 D 维度前面要扩展（如果该值大于0）或裁剪（如果该值小于0）的大小，paddings[D, 1]表示在输入Tensor的第 D 个维度后面要扩展（如果该值大于0）或裁剪（如果该值小于0）的大小。

返回：

填充后的Tensor。

异常：

TypeError - paddings 不是tuple。
TypeError - input_x 不是Tensor。
ValueError - paddings 的shape不是 \((N, 2)\) 。
ValueError - paddings 的大小不等于2 * len(input_x)。
ValueError - 计算出来的输出Tensor的shape里存在0或负数。
ValueError - paddings 里存在负数值且 input_x 为动态shape。

支持平台：

Ascend GPU CPU

样例：

>>> input_x = Tensor(np.array([[-0.1, 0.3, 3.6], [0.4, 0.5, -3.2]]), mindspore.float32)
>>> paddings = ((1, 2), (2, 1))
>>> output = ops.pad(input_x, paddings)
>>> print(output)
[[ 0.   0.   0.   0.   0.   0. ]
 [ 0.   0.  -0.1  0.3  3.6  0. ]
 [ 0.   0.   0.4  0.5 -3.2  0. ]
 [ 0.   0.   0.   0.   0.   0. ]
 [ 0.   0.   0.   0.   0.   0. ]]