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{array}{r} \begin{aligned} input_x_shape = (N_{1}, N_{2}, . . ., N_{n}) \\ \begin{aligned} output_shape = ( & N_{1} + p a d d i n g s [0, 0] + p a d d i n g s [0, 1], \\ N_{2} + p a d d i n g s [1, 0] + p a d d i n g s [1, 1], \\ . . ., \\ N_{n} + p a d d i n g s [n - 1, 0] + p a d d i n g s [n - 1, 1]) \end{aligned} \end{aligned} \end{array}

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。

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. ]]