pytorch常用的padding函数

1）ReflectionPad2d

CLASS torch.nn.ReflectionPad2d(padding)

使用输入边界的反射来填充输入tensor

对于N维的填充，使用torch.nn.functional.pad()

参数：

• padding（int, tuple）：指定填充的大小。如果是一个整数值a，则所有边界都使用相同的填充数，等价于输入(a,a,a,a)。如果是大小为4的元组，则表示 (padding_leftpadding_left, padding_rightpadding_right, padding_toppadding_top, padding_bottompadding_bottom)

形状：

• 输入：(N,C,H_in​,W_in​)
• 输出：(N,C,H_out​,W_out​)

计算式子为：

• H_out​=H_in​+padding_top+padding_bottom
• W_out​=W_in​+padding_left+padding_right

举例：

(deeplearning) userdeMacBook-Pro:pytorch-CycleGAN-and-pix2pix user$ python
Python 3.6. |Anaconda, Inc.| (default, Dec  , ::)
[GCC 4.2. Compatible Clang 4.0. (tags/RELEASE_401/final)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> from torch import nn
>>> import torch
>>> m = nn.ReflectionPad2d()
>>> input = torch.arange(, dtype=torch.float).reshape(,,,)
>>> m(input)
tensor([[[[., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .]]]])

>>> m = nn.ReflectionPad2d()
>>> m(input)
tensor([[[[., ., ., ., .],
          [., ., ., ., .],
          [., ., ., ., .],
          [., ., ., ., .],
          [., ., ., ., .]]]])

从例子可见，填充的值就是对应边界旁边的值，即反射填充

⚠️padding的大小要小于输入的大小，否则报错：

>>> m = nn.ReflectionPad2d()
>>> m(input)
Traceback (most recent call last):
  File "<stdin>", line , in <module>
  File "/anaconda3/envs/deeplearning/lib/python3.6/site-packages/torch/nn/modules/module.py", line , in __call__
    result = self.forward(*input, **kwargs)
  File "/anaconda3/envs/deeplearning/lib/python3.6/site-packages/torch/nn/modules/padding.py", line , in forward
    return F.pad(input, self.padding, 'reflect')
  File "/anaconda3/envs/deeplearning/lib/python3.6/site-packages/torch/nn/functional.py", line , in pad
    ret = torch._C._nn.reflection_pad2d(input, pad)
RuntimeError: Argument #: Padding size should be less than the corresponding input dimension, but got: padding (, ) at dimension  of input [, , , ]
>>> 

2）ReplicationPad2d

CLASS torch.nn.ReplicationPad2d(padding)

使用输入边界的复制值来填充输入tensor

对于N维的填充，使用torch.nn.functional.pad()

参数：

• padding（int, tuple）：指定填充的大小。如果是一个整数值a，则所有边界都使用相同的填充数，等价于输入(a,a,a,a)。如果是大小为4的元组，则表示 (padding_leftpadding_left, padding_rightpadding_right, padding_toppadding_top, padding_bottompadding_bottom)

形状：

• 输入：(N,C,H_in​,W_in​)
• 输出：(N,C,H_out​,W_out​)

计算式子为：

• H_out​=H_in​+padding_top+padding_bottom
• W_out​=W_in​+padding_left+padding_right

举例：

>>> m = nn.ReplicationPad2d()
>>> m(input)
tensor([[[[., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .]]]])
>>> 

可见填充的边界是啥，填充的值就是啥

3）ZeroPad2d

CLASS torch.nn.ZeroPad2d(padding)

使用0填充输入tensor的边界

对于N维的填充，使用torch.nn.functional.pad()

参数：

• padding（int, tuple）：指定填充的大小。如果是一个整数值a，则所有边界都使用相同的填充数，等价于输入(a,a,a,a)。如果是大小为4的元组，则表示 (padding_leftpadding_left, padding_rightpadding_right, padding_toppadding_top, padding_bottompadding_bottom)

形状：

• 输入：(N,C,H_in​,W_in​)
• 输出：(N,C,H_out​,W_out​)

计算式子为：

• H_out​=H_in​+padding_top+padding_bottom
• W_out​=W_in​+padding_left+padding_right

举例：

>>> m = nn.ZeroPad2d()
>>> m(input)
tensor([[[[., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .],
          [., ., ., ., ., ., .]]]])
>>> 

ConstantPad2d

CLASS torch.nn.ConstantPad2d(padding, value)

使用一个常量值填充输入tensor边界

对于N维的填充，使用torch.nn.functional.pad()

参数：

• padding（int, tuple）：指定填充的大小。如果是一个整数值a，则所有边界都使用相同的填充数，等价于输入(a,a,a,a)。如果是大小为4的元组，则表示 (padding_leftpadding_left, padding_rightpadding_right, padding_toppadding_top, padding_bottompadding_bottom)
• value：填充的常量值

形状：

• 输入：(N,C,H_in​,W_in​)
• 输出：(N,C,H_out​,W_out​)

计算式子为：

• H_out​=H_in​+padding_top+padding_bottom
• W_out​=W_in​+padding_left+padding_right

举例：

>>> m = nn.ConstantPad2d(,3.99)
>>> m(input)
tensor([[[[3.9900, 3.9900, 3.9900, 3.9900, 3.9900, 3.9900, 3.9900],
          [3.9900, 3.9900, 3.9900, 3.9900, 3.9900, 3.9900, 3.9900],
          [3.9900, 3.9900, 0.0000, 1.0000, 2.0000, 3.9900, 3.9900],
          [3.9900, 3.9900, 3.0000, 4.0000, 5.0000, 3.9900, 3.9900],
          [3.9900, 3.9900, 6.0000, 7.0000, 8.0000, 3.9900, 3.9900],
          [3.9900, 3.9900, 3.9900, 3.9900, 3.9900, 3.9900, 3.9900],
          [3.9900, 3.9900, 3.9900, 3.9900, 3.9900, 3.9900, 3.9900]]]])
>>>