F.pad() 是pytorch 内置的 tensor 扩充函数，便于对数据集图像或中间层特征进行维度扩充，官方定义如下：

torch.nn.functional.pad (input, pad, mode=‘constant’, value=0)

• input：需要扩充的 tensor，可以是图像数据，亦或是特征矩阵数据；
• pad：扩充维度，预先定义某维度上的扩充参数；
• mode：扩充方法，有三种模式，分别表示常量（constant），反射（reflect），复制（replicate）；
• value：扩充时指定补充值，value只在mode=constant有效，即使用value填充在扩充出的新维度位置，而在reflect和replicate模式下，value不可赋值；

一维度填充

参数pad只定义两个参数，表示只对输入矩阵的最后一个维度进行扩充

t4d = torch.empty(1, 3,5 ,3)
print(t4d.size())  # torch.Size([1, 3, 5, 3])
复制

p1d = (1, 2)  # (左边填充数, 右边填充数)
t1 = F.pad(t4d, p1d, 'constant', 1)
print(t1.size())  # torch.Size([1, 3, 5, 6])
复制

二维度填充

参数pad定义了四个参数，表示对输入矩阵的后两个维度进行扩充

p2d = (1, 2, 3, 4)  # (左边填充数， 右边填充数， 上边填充数， 下边填充数)
t2 = F.pad(t4d, p2d, 'constant', 2)
print(t2.size())  # torch.Size([1, 3, 12, 6])
复制

三维度填充

参数pad定义了六个参数，表示对输入矩阵的后三个维度进行扩充

p3d = (1, 2, 3, 4, 5, 6)
t3 = F.pad(t4d, p3d, 'constant', 3)
print(t3.size())  # torch.Size([1, 14, 12, 6])
复制

小结

  简单用一个图来表述F.pad()的应用。

【转载自】：F.pad 的理解