mindspore.nn.ReflectionPad2d
- class mindspore.nn.ReflectionPad2d(padding)[源代码]
根据 padding 对输入 x 进行填充。
- 参数:
padding (union[int, tuple]) - 填充大小,如果输入为int,则对所有边界进行相同大小的填充;如果是tuple,则顺序为 \((pad\_left, pad\_right, pad\_up, pad\_down)\)。
- 输入:
x (Tensor) - 输入Tensor,shape为 \((C, H_{in}, W_{in})\) 或 \((N, C, H_{in}, W_{in})\) 。
- 输出:
Tensor,填充后的Tensor,shape为 \((C, H_{out}, W_{out})\) 或 \((N, C, H_{out}, W_{out})\)。其中 \(H_{out} = H_{in} + pad\_up + pad\_down\),\(W_{out} = W_{in} + pad\_left + pad\_right\) 。
- 异常:
TypeError - padding 不是tuple或int。
TypeError - padding 中存在不是int的元素。
ValueError - padding 是tuple,且长度不能被2整除。
ValueError - padding 是tuple,且存在负数。
ValueError - padding 是tuple,且长度和tensor的维度不匹配。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import numpy as np >>> import mindspore as ms >>> x = ms.Tensor(np.array([[[0, 1, 2], [3, 4, 5], [6, 7, 8]]]).astype(np.float32)) >>> # x has shape (1, 3, 3) >>> padding = (1, 1, 2, 0) >>> pad2d = ms.nn.ReflectionPad2d(padding) >>> # The first dimension of x remains the same. >>> # The second dimension of x: H_out = H_in + pad_up + pad_down = 3 + 1 + 1 = 5 >>> # The third dimension of x: W_out = W_in + pad_left + pad_right = 3 + 2 + 0 = 5 >>> out = pad2d(x) >>> # The shape of out is (1, 5, 5) >>> print(out) [[[7. 6. 7. 8. 7.] [4. 3. 4. 5. 4.] [1. 0. 1. 2. 1.] [4. 3. 4. 5. 4.] [7. 6. 7. 8. 7.]]]