pad¶

paddle.vision. pad ( x, pad, mode='constant', value=0.0, data_format='NCHW', name=None ) [源代码] ¶

该OP依照 pad 和 mode 属性对input进行 pad 。

参数：

• x (Tensor) - Tensor，format可以为 'NCL', 'NLC', 'NCHW', 'NHWC', 'NCDHW' 或 'NDHWC'，默认值为`'NCHW'`，数据类型支持float16, float32, float64, int32, int64。

• pad (Tensor | List[int32]) - 填充大小。当输入维度为3时，pad的格式为[pad_left, pad_right]； 当输入维度为4时，pad的格式为[pad_left, pad_right, pad_top, pad_bottom]； 当输入维度为5时，pad的格式为[pad_left, pad_right, pad_top, pad_bottom, pad_front, pad_back]。

• mode (str) - padding的四种模式，分别为 'constant', 'reflect', 'replicate' 和`'circular'。 `'constant' 表示填充常数 value；'reflect' 表示填充以input边界值为轴的映射；'replicate' 表示 填充input边界值；'circular'`为循环填充input。具体结果可见以下示例。默认值为 `'constant' 。

• value (float32) - 以 'constant' 模式填充区域时填充的值。默认值为0.0。

• data_format (str) - 指定input的format，可为 'NCL', 'NLC', 'NCHW', 'NHWC', 'NCDHW' 或 'NDHWC'，默认值为`'NCHW'`。

• name (str, 可选) - 该参数供开发人员打印调试信息时使用，具体用法请参见 Name ，缺省值为None。

返回： 对input进行``pad`` 的结果，数据类型和input相同。

返回类型：Tensor

示例：

x = [[[[[1., 2., 3.],
        [4., 5., 6.]]]]]

Case 0:
    pad = [2, 2, 1, 1, 0, 0],
    mode = 'constant'
    pad_value = 0
    Out = [[[[[0. 0. 0. 0. 0. 0. 0.]
              [0. 0. 1. 2. 3. 0. 0.]
              [0. 0. 4. 5. 6. 0. 0.]
              [0. 0. 0. 0. 0. 0. 0.]]]]]

Case 1:
    pad = [2, 2, 1, 1, 0, 0],
    mode = 'reflect'
    Out = [[[[[6. 5. 4. 5. 6. 5. 4.]
              [3. 2. 1. 2. 3. 2. 1.]
              [6. 5. 4. 5. 6. 5. 4.]
              [3. 2. 1. 2. 3. 2. 1.]]]]]

Case 2:
    pad = [2, 2, 1, 1, 0, 0],
    mode = 'replicate'
    Out = [[[[[1. 1. 1. 2. 3. 3. 3.]
              [1. 1. 1. 2. 3. 3. 3.]
              [4. 4. 4. 5. 6. 6. 6.]
              [4. 4. 4. 5. 6. 6. 6.]]]]]

Case 3:
    pad = [2, 2, 1, 1, 0, 0],
    mode = 'circular'
    Out = [[[[[5. 6. 4. 5. 6. 4. 5.]
              [2. 3. 1. 2. 3. 1. 2.]
              [5. 6. 4. 5. 6. 4. 5.]
              [2. 3. 1. 2. 3. 1. 2.]]]]]

代码示例：

import numpy as np
import paddle
import paddle.nn.functional as F

# example 1
x_shape = (1, 1, 3)
x = paddle.arange(np.prod(x_shape), dtype="float32").reshape(x_shape) + 1
y = F.pad(x, [2, 3], value=1, mode='constant', data_format="NCL")
print(y)
# [[[1. 1. 1. 2. 3. 1. 1. 1.]]]

# example 2
x_shape = (1, 1, 2, 3)
x = paddle.arange(np.prod(x_shape), dtype="float32").reshape(x_shape) + 1
y = F.pad(x, [1, 2, 1, 1], value=1, mode='circular')
print(y)
# [[[[6. 4. 5. 6. 4. 5.]
#    [3. 1. 2. 3. 1. 2.]
#    [6. 4. 5. 6. 4. 5.]
#    [3. 1. 2. 3. 1. 2.]]]]