pytorch 中pad函数toch.nn.functional.pad()的用法

概述pytorch 中pad函数toch.nn.functional.pad()的用法 padding *** 作是给图像外围加像素点. 为了实际说明 *** 作过程,这里我们使用一张实际的图片来做一下处理. 这张图片是大小是(256,256),使用pad来给它加上一个黑色的边框.具体代码如下: import torch.nn,functional as F import torch from PIL import Image im=Image.open("heibai.jpg",'r') X=torch.Tensor(np.asarray(im)) print("s ...

padding *** 作是给图像外围加像素点。

为了实际说明 *** 作过程，这里我们使用一张实际的图片来做一下处理。

这张图片是大小是(256,256)，使用pad来给它加上一个黑色的边框。具体代码如下：

import torch.nn,functional as Fimport torchfrom PIL import Imageim=Image.open("heibai.jpg",'r')X=torch.Tensor(np.asarray(im))print("shape:",X.shape)dim=(10,10,10)X=F.pad(X,dim,"constant",value=0)padX=X.data.numpy()padim=Image.fromarray(padX)padim=padim.convert("RGB")#这里必须转为RGB不然会padim.save("padded.jpg","jpeg")padim.show()print("shape:",padX.shape)

输出：

shape: torch.Size([256,256])shape: (276,276)

可以看出给原图四个方向给加上10维度的0，维度变为256+10+10得到的图像如下：

我们在举几个简单例子：

x=np.asarray([[[1,2],[1,2]]])X=torch.Tensor(x)print(X.shape)pad_dims = (          2,2,1,)X=F.pad(X,pad_dims,"constant")print(X.shape)print(X)

输出：

torch.Size([1,2])torch.Size([3,6,6])tensor([[[ 0.,0.,0.],[ 0.,0.]],[[ 0.,1.,2.,0.]]])

可以知若pID_sim为(2,1)则原维度变化是2+2+2=6,1+1+1=3.也就是第一个(2,2) pad的是最后一个维度，第二个（2,2）pad是倒数第二个维度，第三个（1,1）pad是第一个维度。

再举一个四维度的，但是只pad三个维度：

x=np.asarray([[[[1,2]]]])X=torch.Tensor(x)#(1,2)print(X.shape)pad_dims = (          2,"constant")#(1,12,12)print(X.shape)print(X)

输出：

torch.Size([1,2])torch.Size([1,3,6])tensor([[[[ 0.,0.]]]])

再举一个四维度的，pad四个维度：

x=np.asarray([[[[1,2        )X=F.pad(X,2])torch.Size([5,0.]]],.........太多了

以上这篇pytorch 中pad函数toch.nn.functional.pad()的用法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。

总结

以上是内存溢出为你收集整理的pytorch 中pad函数toch.nn.functional.pad()的用法全部内容，希望文章能够帮你解决pytorch 中pad函数toch.nn.functional.pad()的用法所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。