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.]]]]