pad2d¶

paddle.fluid.layers. pad2d ( input, paddings=[0, 0, 0, 0], mode='constant', pad_value=0.0, data_format='NCHW', name=None ) [源代码] ¶

该OP依照 paddings 和 mode 属性对input进行2维 pad 。

参数¶

input (Tensor) - 类型为float32的4-D Tensor，格式为 [N, C, H, W] 或 [N, H, W, C] 。

paddings (Tensor | List[int32]) - 填充大小。如果paddings是一个List，它必须包含四个整数 [padding_top, padding_bottom, padding_left, padding_right] 。如果paddings是Tensor，则是类型为int32 的1-D Tensor，形状是 [4]。默认值为 [0,0,0,0] 。

mode (str) - padding的三种模式，分别为 'constant' (默认)、 'reflect' 、 'edge' 。 'constant' 为填充常数 pad_value ， 'reflect' 为填充以input边界值为轴的映射，'edge' 为填充input边界值。具体结果可见以下示例。默认值为 'constant' 。

pad_value (float32) - 以 'constant' 模式填充区域时填充的值。默认值为0.0。

data_format (str) - 指定input的格式，可为 'NCHW' 和 'NHWC'，默认值为 'NCHW' 。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回¶

Tensor，对input进行2维 pad 的结果，数据类型和input一样的4-D Tensor。

示例：

          Input = [[[[1., 2., 3.],
           [4., 5., 6.]]]]

Case 0:
    paddings = [0, 1, 2, 3],
    mode = 'constant'
    pad_value = 0
    Out = [[[[0., 0., 1., 2., 3., 0., 0., 0.],
             [0., 0., 4., 5., 6., 0., 0., 0.],
             [0., 0., 0., 0., 0., 0., 0., 0.]]]]

Case 1:
    paddings = [0, 1, 2, 1],
    mode = 'reflect'
    Out = [[[[3., 2., 1., 2., 3., 2.],
             [6., 5., 4., 5., 6., 5.],
             [3., 2., 1., 2., 3., 2.]]]]

Case 2:
    paddings = [0, 1, 2, 1],
    mode = 'edge'
    Out = [[[[1., 1., 1., 2., 3., 3.],
             [4., 4., 4., 5., 6., 6.],
             [4., 4., 4., 5., 6., 6.]]]]

         

代码示例¶

          import numpy as np
import paddle
import paddle.nn.functional as F

# example 1
x_shape = (1, 1, 3, 4)
x = np.arange(np.prod(x_shape), dtype=np.float32).reshape(x_shape) + 1
tensor_x = paddle.to_tensor(x)
y = F.pad2d(tensor_x, paddings=[1, 2, 2, 1], pad_value=1, mode='constant')
print(y.numpy())
# [[[[ 1.  1.  1.  1.  1.  1.  1.]
#    [ 1.  1.  1.  2.  3.  4.  1.]
#    [ 1.  1.  5.  6.  7.  8.  1.]
#    [ 1.  1.  9. 10. 11. 12.  1.]
#    [ 1.  1.  1.  1.  1.  1.  1.]
#    [ 1.  1.  1.  1.  1.  1.  1.]]]]

# example 2
x_shape = (1, 1, 2, 3)
x = np.arange(np.prod(x_shape), dtype=np.float32).reshape(x_shape) + 1
tensor_x = paddle.to_tensor(x)
y = F.pad2d(tensor_x, paddings=[1, 1, 1, 1], mode='reflect')
print(y.numpy())
# [[[[5. 4. 5. 6. 5.]
#    [2. 1. 2. 3. 2.]
#    [5. 4. 5. 6. 5.]
#    [2. 1. 2. 3. 2.]]]]

         