文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.nn.ConstantPad3d

class mindspore.nn.ConstantPad3d(padding, value)

将给定的常量填充到多维输入数据的最后三维。

参数：

• padding (Union[int, tuple]) - 对输入的最后三维进行填充的大小。如果padding的类型为int，则在输入最后三维的前后均填充 padding 大小，如果padding为长度为6的tuple，形如(padding_0, padding_1, padding_2, padding_3, padding_4, padding_5)，那么输入 x 对应输出的最后一维的shape为 $padding\mathrm{\_}0+x.shape[-1]+padding\mathrm{\_}1$ ，输入 x 对应输出的倒数第二维的shape为 $padding\mathrm{\_}2+x.shape[-2]+padding\mathrm{\_}3$ ，输入 x 对应输出的倒数第三维的shape为 $padding\mathrm{\_}4+x.shape[-3]+padding\mathrm{\_}5$ ，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 $(N,\ast )$，其中 $\ast$ 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6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, 1, 0)
>>> value = 0.5
>>> pad3d = ms.nn.ConstantPad3d(padding, value)
>>> out = pad3d(x)
>>> print(out)
[[[[0.5 0.5 0.5 0.5 0.5 0.5]
   [0.5 0.5 0.5 0.5 0.5 0.5]
   [0.5 0.5 0.5 0.5 0.5 0.5]
   [0.5 0.5 0.5 0.5 0.5 0.5]]
  [[0.5 1.  1.  1.  1.  0.5]
   [0.5 1.  1.  1.  1.  0.5]
   [0.5 1.  1.  1.  1.  0.5]
   [0.5 0.5 0.5 0.5 0.5 0.5]]
  [[0.5 1.  1.  1.  1.  0.5]
   [0.5 1.  1.  1.  1.  0.5]
   [0.5 1.  1.  1.  1.  0.5]
   [0.5 0.5 0.5 0.5 0.5 0.5]]]]
>>> print(out.shape)
(1, 3, 4, 6)