mindspore.nn.ReplicationPad2d

class mindspore.nn.ReplicationPad2d(padding)[源代码]

根据 padding 对输入 x 的HW维度上进行填充。

参数:
  • padding (union[int, tuple]) - 填充 x 最后两个维度的大小。

    • 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) - 维度为3D或4D的Tensor,shape为 \((C, H_{in}, W_{in})\)\((N, C, H_{in}, W_{in})\)

输出:

Tensor,填充后的Tensor,shape为 \((C, H_{out}, W_{out})\)\((N, C, H_{out}, W_{out})\)。 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,且长度和Tensor的维度不匹配。

支持平台:

GPU

样例:

>>> import numpy as np
>>> import mindspore as ms
>>> pad2d = ms.nn.ReplicationPad2d(2)
>>> input = ms.Tensor(np.arange(0, 9).reshape(1, 1, 3, 3), ms.float32)
>>> print(input)
[[[[0. 1. 2.]
   [3. 4. 5.]
   [6. 7. 8.]]]]
>>> out = pad2d(input)
>>> print(out)
[[[[0. 0. 0. 1. 2. 2. 2.]
   [0. 0. 0. 1. 2. 2. 2.]
   [0. 0. 0. 1. 2. 2. 2.]
   [3. 3. 3. 4. 5. 5. 5.]
   [6. 6. 6. 7. 8. 8. 8.]
   [6. 6. 6. 7. 8. 8. 8.]
   [6. 6. 6. 7. 8. 8. 8.]]]]
>>> pad2d = ms.nn.ReplicationPad2d((1, 1, 2, 0))
>>> out = pad2d(input)
>>> print(out)
[[[[0. 0. 1. 2. 2.]
   [0. 0. 1. 2. 2.]
   [0. 0. 1. 2. 2.]
   [3. 3. 4. 5. 5.]
   [6. 6. 7. 8. 8.]]]]