比较与torch.nn.functional.pad的差异
torch.nn.functional.pad
torch.nn.functional.pad(
input,
pad,
mode='constant',
value=0
)
更多内容详见torch.nn.functional.pad。
mindspore.ops.pad
mindspore.ops.pad(
input_x,
padding,
mode='constant',
value=None
)
更多内容详见mindspore.ops.pad。
使用方式
PyTorch:pad参数是一个有m个值的tuple,m/2小于等于输入数据的维度,且m为偶数。支持填充负维度。假设pad=(k1, k2, …, kl, km),输入x的shape为(d1, d2…, dg),则dg维的两边分别填充长度为k1,k2的值。依此类推,d1维的两边分别填充长度为kl,km的值。
MindSpore:MindSpore的padding参数与PyTorch的pad参数功能用法完全一致,另外MindSpore相比PyTorch额外支持了Tensor类型的入参形式。
分类 |
子类 |
PyTorch |
MindSpore |
差异 |
---|---|---|---|---|
参数 |
参数1 |
input |
input_x |
功能一致,参数名不同 |
参数2 |
pad |
padding |
功能一致,参数名不同 |
|
参数3 |
mode |
mode |
功能一致,MindSpore暂不支持circular模式 |
|
参数4 |
value |
value |
功能一致,constant模式下MindSpore入参None的时候默认值为0 |
代码示例
# In MindSpore.
import numpy as np
import torch
import mindspore.ops as ops
import mindspore as ms
x = ms.Tensor(np.ones([1, 2, 2, 3]).astype(np.float32))
padding = (1, 1, 2, 2)
output = ops.pad(x, padding)
print(output.shape)
# Out:
# (1, 2, 6, 5)
# In PyTorch.
x = torch.empty(1, 2, 2, 3)
pad = (1, 1, 2, 2)
output = torch.nn.functional.pad(x, pad)
print(output.size())
# Out:
# torch.Size([1, 2, 6, 5])