mindspore.mint.nn.functional.pad
- mindspore.mint.nn.functional.pad(input, pad, mode='constant', value=0.0)[源代码]
根据参数 pad 对输入进行填充。
警告
circular 模式性能较差,不推荐使用。
- 参数:
input (Tensor) - 输入Tensor,shape为 \((N, *)\), \(*\) 代表任意附加维度。
pad (Union[tuple[int], list[int], Tensor]) - pad的填充位置。 \(\left\lfloor\frac{\text{len(pad)}}{2}\right\rfloor\) 维度的 input 将会被填充。可根据以下示例以此类推:
示例:若只需要填充输入tensor的最后一个维度,则 pad 的填充方式为 \((\text{padding_left}, \text{padding_right})\);
示例:若只需要填充输入tensor的最后两个维度,则 pad 的填充方式为 \((\text{padding_left}, \text{padding_right}, \text{padding_top}, \text{padding_bottom})\);
示例:若只需要填充输入tensor的最后三个维度,则 pad 的填充方式为 \((\text{padding_left}, \text{padding_right}, \text{padding_top}, \text{padding_bottom}, \text{padding_front}, \text{padding_back})\);
mode (str,可选) - pad的填充模式,可选择
'constant'
、'reflect'
、'replicate'
或者'circular'
。默认值:'constant'
。对于
'constant'
模式,请参考mindspore.nn.ConstantPad1d
作为示例来理解这个填充模式,并将这个模式扩展到n维。对于
'reflect'
模式,请参考mindspore.nn.ReflectionPad1d
作为示例来理解这个填充模式,reflect模式用于填充四维或五维输入的最后三个维度、三维或四维输入的最后两个维度,或者二维或三维输入的最后一个维度。对于
'replicate'
模式,请参考mindspore.nn.ReplicationPad1d
作为示例来理解这个填充模式,replicate模式用于填充四维或五维输入的最后三个维度、三维或四维输入的最后两个维度,或者二维或三维输入的最后一个维度。对于
'circular'
模式,circular模式用于将图像的像素从一侧循环地填充到另一侧。例如,右侧的像素将被替换为左侧的像素,底部的像素将被替换为顶部的像素。circular模式用于填充四维或五维输入的最后三个维度、三维或四维输入的最后两个维度,或者二维或三维输入的最后一个维度。
value (Union[int, float, None],可选) - 仅在
'constant'
模式下生效,设置在'constant'
模式下的填充值,如果值为None
,则会使用0作为默认填充值。默认值:0.0
。
- 返回:
填充后的Tensor。
- 异常:
TypeError - pad 不是全为int的tuple或者list。
TypeError - input 不是Tensor。
ValueError - pad 的长度不为偶数。
ValueError - pad 的长度大于6。
ValueError - mode 不为
'constant'
并且 value 不为None
。
- 支持平台:
Ascend
样例:
>>> from mindspore import mint >>> import numpy as np >>> x = ms.Tensor(np.arange(1 * 2 * 2 * 2).reshape((1, 2, 2, 2)), dtype=ms.float64) >>> output = mint.nn.functional.pad(x, [1, 0, 0, 1], mode='constant', value=6.0) >>> print(output) [[[[6. 0. 1.] [6. 2. 3.] [6. 6. 6.]] [[6. 4. 5.] [6. 6. 7.] [6. 6. 6.]]]]