ConstantPad1d ¬

class torch.nn.ConstantPad1d(填充, 值)[源代码][源代码] ¬

使用常数填充输入张量的边界。

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

参数:

填充（int，tuple）- 填充的大小。如果为 int，则在两个边界使用相同的填充。如果为 2-tuple，则使用（ $\text{padding\_left}$ ， $\text{padding\_right}$ ）

形状：

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

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

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

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]]])