ConstantPad1d

类torch.nn.ConstantPad1d(padding, value)[源代码]

用常数值填充输入张量的边界。

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。如果是 int，则在两个边界使用相同的填充值。如果是一个 2-元组，则使用 ($\text{padding\_left}$, $\text{padding\_right}$)。

形状:

• 输入：$(C, W_{in})$ 或 $(N, C, W_{in})$。

• 输出为 $(C, W_{out})$ 或 $(N, C, W_{out})$

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

示例:

>>> m = nn.ConstantPad1d(2, 3.5)
>>> input = torch.randn(1, 2, 4)
>>> input
tensor([[[-1.0491, -0.7152, -0.0749,  0.8530],
         [-1.3287,  1.8966,  0.1466, -0.2771]]])
>>> m(input)
tensor([[[ 3.5000,  3.5000, -1.0491, -0.7152, -0.0749,  0.8530,  3.5000,
           3.5000],
         [ 3.5000,  3.5000, -1.3287,  1.8966,  0.1466, -0.2771,  3.5000,
           3.5000]]])
>>> m = nn.ConstantPad1d(2, 3.5)
>>> input = torch.randn(1, 2, 3)
>>> input
tensor([[[ 1.6616,  1.4523, -1.1255],
         [-3.6372,  0.1182, -1.8652]]])
>>> m(input)
tensor([[[ 3.5000,  3.5000,  1.6616,  1.4523, -1.1255,  3.5000,  3.5000],
         [ 3.5000,  3.5000, -3.6372,  0.1182, -1.8652,  3.5000,  3.5000]]])
>>> # using different paddings for different sides
>>> m = nn.ConstantPad1d((3, 1), 3.5)
>>> m(input)
tensor([[[ 3.5000,  3.5000,  3.5000,  1.6616,  1.4523, -1.1255,  3.5000],
         [ 3.5000,  3.5000,  3.5000, -3.6372,  0.1182, -1.8652,  3.5000]]])