mindspore.nn.ConstantPad2d

class mindspore.nn.ConstantPad2d(padding, value)

将给定的常量填充到多维输入数据的最后两维。

参数：

• padding (Union[int, tuple]) - 对输入的最后两维进行填充的大小。如果padding的类型为int，则在输入最后两维的前后均填充 padding 大小，如果padding为长度为4的tuple，形如(padding_0, padding_1, padding_2, padding_3)，那么输入 x 对应输出的最后一维的shape为 \(padding\_0 + x.shape[-1] + padding\_1\) ，输入 x 对应输出的倒数第二维的shape为 \(padding\_2 + x.shape[-2] + padding\_3\) ，输出的其余维度与输入保持一致。在Ascend后端运行时，不支持 padding 包含负值情况。

• value (Union[int, float]) - 填充值。

输入：

• x (Tensor) - 输入Tensor，shape为 \((N, *)\)，其中 \(*\) 表示任意维度。在Ascend后端运行时，不支持维度大于5。

返回：

Tensor，填充后的Tensor。

异常：

• TypeError - padding 既不是tuple或者int。

• TypeError - value 既不是int，也不是float。

• ValueError - tuple类型的 padding 长度大于4或者长度不是2的倍数。

• ValueError - 填充后输出的维度不是正数。

• ValueError - 在Ascend后端运行时，x 的维度大于5。

• ValueError - 在Ascend后端运行时，padding 中包含负值。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> import mindspore as ms
>>> x = np.ones(shape=(1, 2, 3, 4)).astype(np.float32)
>>> x = ms.Tensor(x)
>>> padding = (-1, 1, 0, 1)
>>> value = 0.5
>>> pad2d = ms.nn.ConstantPad2d(padding, value)
>>> out = pad2d(x)
>>> print(out)
[[[[1.  1.  1.  0.5]
   [1.  1.  1.  0.5]
   [1.  1.  1.  0.5]
   [0.5 0.5 0.5 0.5]]
  [[1.  1.  1.  0.5]
   [1.  1.  1.  0.5]
   [1.  1.  1.  0.5]
   [0.5 0.5 0.5 0.5]]]]
>>> print(out.shape)
(1, 2, 4, 4)