tensorflow中的pad详解

tf.pad 函数

pad （ 
    tensor ， 
    paddings ， 
    mode = 'CONSTANT' ， 
    name = None ， 
    constant_values = 0 
）

定义在：tensorflow/python/ops/array_ops.py。

参见指南：张量变换>分割和连接

填充张量。

此操作根据您指定的 paddings 来填充一个 tensor。paddings 是一个具有形状 [n, 2] 的整数张量，其中 n 是 tensor 的秩。对于每个输入维度 D，paddings [D, 0] 表示在该维度的 tensor 内容之前要添加多少个值，而 paddings[D, 1] 表示在该维度中的 tensor 内容之后要添加多少值。如果 mode 是 “REFLECT”，那么这两个paddings[D, 0] 和 paddings[D, 1] 不得大于 tensor.dim_size(D) - 1。如果 mode 是 “SYMMETRIC”，那么这两个 paddings[D, 0] 和 paddings[D, 1] 不得大于tensor.dim_size(D)。

输出的每个维度 D 的填充大小是：

paddings[D, 0] + tensor.dim_size(D) + paddings[D, 1]

例如：

# 't' is [[1, 2, 3], [4, 5, 6]].
# 'paddings' is [[1, 1,], [2, 2]].
# 'constant_values' is 0.
# rank of 't' is 2.
pad(t, paddings, "CONSTANT") ==> [[0, 0, 0, 0, 0, 0, 0],
                                  [0, 0, 1, 2, 3, 0, 0],
                                  [0, 0, 4, 5, 6, 0, 0],
                                  [0, 0, 0, 0, 0, 0, 0]]

pad(t, paddings, "REFLECT") ==> [[6, 5, 4, 5, 6, 5, 4],
                                 [3, 2, 1, 2, 3, 2, 1],
                                 [6, 5, 4, 5, 6, 5, 4],
                                 [3, 2, 1, 2, 3, 2, 1]]

pad(t, paddings, "SYMMETRIC") ==> [[2, 1, 1, 2, 3, 3, 2],
                                   [2, 1, 1, 2, 3, 3, 2],
                                   [5, 4, 4, 5, 6, 6, 5],
                                   [5, 4, 4, 5, 6, 6, 5]]

参数：

tensor：张量。
paddings：int32 类型的张量。
mode：取值为 "CONSTANT"、"REFLECT" 或 "SYMMETRIC"（不区分大小写）
name：操作的名称（可选）。
constant_values：在 “CONSTANT” 模式下，要使用的标量填充值，必须与 tensor 具有相同类型。

该函数返回一个张量，与 tensor 具有相同的类型。

可能引发的异常：

ValueError：模式不是 "CONSTANT"、"REFLECT" 或 "SYMMETRIC" 中的一种时

 tf.pad(tensor, paddings, mode="CONSTANT", name=None, constant_values=0):

tensor:就是输入，paddings，就是需要扩张的维度，后面其他的参数的可以不管

tf.pad（）就是扩充维度，比如:t=tf.constant([1,2,3]）

'''
这是一个一维向量，可以通过print(t.get_shape())看维度
先介绍一个概念，paddings=[a,b,c,d],分别从不同维度加0，
因为是一维向量，所以tf.pad(t,[[1,1]])只能从左右加0输出结果为[[0 1 2 3 0]],

当t=tf.constant([[1,2,3]])时，则是一个二维矩阵，就加了一个[]，shape=(1,3)
如果a=[1,1],b=[2,2],则上下加一排0，左右加2排0，结果为
[[0 0 0 0 0 0 0]
 [0 0 1 2 3 0 0]
 [0 0 0 0 0 0 0]]

在二维上面加0，当c=[1,1]，t=tf.constant([[[1,2,3], [2,3,4],[2,1,4]],
                                        [[1,2,3], [2,3,4],[2,1,4]],
                                        [[1,2,3],  [2,3,4],[2,1,4]]])

时，即paddings=[[1,1],[2,2],[1,1]]输出为下面所示，shape=(3,3,3)变成了（5,7,5）
'''

import tensorflow as tf

t = tf.constant([[[1, 2, 3], [2, 3, 4], [2, 1, 4]],
                 [[1, 2, 3], [2, 3, 4], [2, 1, 4]],
                 [[1, 2, 3], [2, 3, 4], [2, 1, 4]]])
t2 = tf.constant([[1, 2, 3]])
print(t.get_shape)
print(t2.get_shape())

a = tf.pad(t, [[1, 1], [2, 2], [1, 1]])
c = tf.pad(t2, [[1, 1], [2, 2]])

with tf.Session() as sess:
    a, c = sess.run([a, c])
    print(a)
    print(a.shape)
    print(c)

tensorflow中的pad详解

猜你喜欢