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 3.6.8 |Anaconda, Inc.| (default, Dec 29 2018, 19:04:46) 
[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> from torch import nn
>>> import torch
>>> m = nn.ReflectionPad2d(2)
>>> input = torch.arange(9, dtype=torch.float).reshape(1,1,3,3)
>>> m(input)
tensor([[[[8., 7., 6., 7., 8., 7., 6.],
          [5., 4., 3., 4., 5., 4., 3.],
          [2., 1., 0., 1., 2., 1., 0.],
          [5., 4., 3., 4., 5., 4., 3.],
          [8., 7., 6., 7., 8., 7., 6.],
          [5., 4., 3., 4., 5., 4., 3.],
          [2., 1., 0., 1., 2., 1., 0.]]]])
          
>>> m = nn.ReflectionPad2d(1)
>>> m(input)
tensor([[[[4., 3., 4., 5., 4.],
          [1., 0., 1., 2., 1.],
          [4., 3., 4., 5., 4.],
          [7., 6., 7., 8., 7.],
          [4., 3., 4., 5., 4.]]]])

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(3)
>>> m(input)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/anaconda3/envs/deeplearning/lib/python3.6/site-packages/torch/nn/modules/module.py", line 489, in __call__
    result = self.forward(*input, **kwargs)
  File "/anaconda3/envs/deeplearning/lib/python3.6/site-packages/torch/nn/modules/padding.py", line 172, in forward
    return F.pad(input, self.padding, 'reflect')
  File "/anaconda3/envs/deeplearning/lib/python3.6/site-packages/torch/nn/functional.py", line 2685, in pad
    ret = torch._C._nn.reflection_pad2d(input, pad)
RuntimeError: Argument #4: Padding size should be less than the corresponding input dimension, but got: padding (3, 3) at dimension 3 of input [1, 1, 3, 3]
>>> 

 

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(2)
>>> m(input)
tensor([[[[0., 0., 0., 1., 2., 2., 2.],
          [0., 0., 0., 1., 2., 2., 2.],
          [0., 0., 0., 1., 2., 2., 2.],
          [3., 3., 3., 4., 5., 5., 5.],
          [6., 6., 6., 7., 8., 8., 8.],
          [6., 6., 6., 7., 8., 8., 8.],
          [6., 6., 6., 7., 8., 8., 8.]]]])
>>> 

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(2)
>>> m(input)
tensor([[[[0., 0., 0., 0., 0., 0., 0.],
          [0., 0., 0., 0., 0., 0., 0.],
          [0., 0., 0., 1., 2., 0., 0.],
          [0., 0., 3., 4., 5., 0., 0.],
          [0., 0., 6., 7., 8., 0., 0.],
          [0., 0., 0., 0., 0., 0., 0.],
          [0., 0., 0., 0., 0., 0., 0.]]]])
>>> 

 

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(2,3.99)
>>> 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]]]])
>>>