Reflection Pad 3D

类torch.nn.ReflectionPad3d(padding)[源代码]

用输入边界镜像来填充输入张量。

对于 N 维填充，可以使用 torch.nn.functional.pad() 函数。

参数

padding (int, tuple) – 填充的大小。如果为 int，则在所有边界使用相同的填充值。如果是 6-元组，则分别使用 ($\text{padding\_left}$, $\text{padding\_right}$, $\text{padding\_top}$, $\text{padding\_bottom}$, $\text{padding\_front}$, $\text{padding\_back}$) 来指定各个方向的填充值。

形状:

• 输入: $(N, C, D_{in}, H_{in}, W_{in})$ 或 $(C, D_{in}, H_{in}, W_{in})$.

• 输出为：$(N, C, D_{out}, H_{out}, W_{out})$ 或 $(C, D_{out}, H_{out}, W_{out})$，其中

  $D_{\text{out}} = D_{\text{in}} + \text{padding\_front} + \text{padding\_back}$

  $H_{\text{out}} = H_{\text{in}} + \text{padding\_top} + \text{padding\_bottom}$

  $W_{\text{out}} = W_{\text{in}} + \text{padding\_left} + \text{padding\_right}$

示例:

>>> m = nn.ReflectionPad3d(1)
>>> input = torch.arange(8, dtype=torch.float).reshape(1, 1, 2, 2, 2)
>>> m(input)
tensor([[[[[7., 6., 7., 6.],
           [5., 4., 5., 4.],
           [7., 6., 7., 6.],
           [5., 4., 5., 4.]],
          [[3., 2., 3., 2.],
           [1., 0., 1., 0.],
           [3., 2., 3., 2.],
           [1., 0., 1., 0.]],
          [[7., 6., 7., 6.],
           [5., 4., 5., 4.],
           [7., 6., 7., 6.],
           [5., 4., 5., 4.]],
          [[3., 2., 3., 2.],
           [1., 0., 1., 0.],
           [3., 2., 3., 2.],
           [1., 0., 1., 0.]]]]])