mindspore.ops.Pad

class mindspore.ops.Pad(paddings)

根据参数 paddings 对输入进行填充。

例如， 仅填充输入Tensor的最后一个维度，则填充方式为(padding_left, padding_right)；填充输入Tensor的最后两个维度， 则填充方式为(padding_left, padding_right, padding_top, padding_bottom)；填充最后3个维度，则填充方式为 (padding_left, padding_right, padding_top, padding_bottom, padding_front, padding_back)。

$$\begin{array}{r}\begin{array}{rl}& \text{ input\_x\_shape}=(N_1,N_2,...,N_n)\\ & \begin{array}{rl}\text{output\_shape = }(& N_1+paddings[0,0]+paddings[0,1],\\ & N_2+paddings[1,0]+paddings[1,1],\\ & ...,\\ & N_n+paddings[n-1,0]+paddings[n-1,1])\end{array}\end{array}\end{array}$$

参数：

• 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 维度扩展前的大小，paddings[D, 1]表示在输入Tensor的第 D 个维度后面要扩展的大小。

输入：

• input_x (Tensor) - Pad的输入，任意维度的Tensor。

输出：

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)。

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)
>>> pad_op = ops.Pad(((1, 2), (2, 1)))
>>> output = pad_op(input_x)
>>> 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. ]]