【无标题】

• torchvision.transforms.functional模块中pad函数的使用
• • constant mode
  • edge mode
  • reflect mode
  • symmetric mode

载入torchvision.transforms.functional模块

import torchvision.transforms.functional as tf

tf.pad函数包含三项主要参数，分列如下：

• img：该参数需要输入tensor类型变量，为padding操作的对象
• padding：该参数指定padding操作的维度，以元组形式输入，从左到右分别对应的padding位置分别为(左，上，右，下)
• padding_mode：该参数共有四种模式，分别为(constant，edge，reflect，symmetric)

下面将分别对四种padding模式进行代码运行结果展示:

import torchvision.transforms.functional as tf
import torch
t=[[2,3,4],[5,6,7]] #此处需将t的数据类型转为tensor类型
ten = torch.tensor(t)

constant mode代表进行padding操作的tensor变量上进行补零操作

tf.pad(img=ten,padding=(1,1,1,1),padding_mode="constant")

将边缘的元素进行镜像扩充
tf.pad(img=ten,padding=(1,1,1,1),padding_mode="edge")

将第二列以第一列为对称轴进行镜像对称，第二行以第一行为对称轴进行镜像对称，反之，同理。

tf.pad(img=ten,padding=(1,1,1,1),padding_mode="reflect")

“Symmetric padding of N-D tensors are not supported yet”