PyTorch中的padding(边缘填充)操作方式_卷积padding种类 - CSDN文库

127 浏览量更新于2023-03-16 评论收藏 119KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

PyTorch中的中的padding(边缘填充边缘填充)操作方式操作方式

简介简介

我们知道，在对图像执行卷积操作时，如果不对图像边缘进行填充，卷积核将无法到达图像边缘的像素，而且卷积前后图像的

尺寸也会发生变化，这会造成许多麻烦。

因此现在各大深度学习框架的卷积层实现上基本都配备了padding操作，以保证图像输入输出前后的尺寸大小不变。例如，若

卷积核大小为3×3，那么就应该设定padding=1，即填充1层边缘像素；若卷积核大小为7×7，那么就应该设定padding=3，填

充3层边缘像素；也就是padding大小一般设定为核大小的一半。在pytorch的卷积层定义中，默认的padding为零填充。

self.conv = nn.Conv2d(in_channels=3, out_channels=3, kernel_size=7, padding=3)

padding的种类及其的种类及其pytorch定义定义

padding，即边缘填充，可以分为四类：零填充，常数填充，镜像填充，重复填充。

1.零填充零填充

对图像或者张量的边缘进行补零填充操作：

class ZeroPad2d(ConstantPad2d):

# Pads the input tensor boundaries with zero.

def __init__(self, padding):

super(ZeroPad2d, self).__init__(padding, 0)

2.常数填充常数填充

定义一个常数来对图像或者张量的边缘进行填充，若该常数等于0则等价于零填充。

class ConstantPad2d(_ConstantPadNd):

# Pads the input tensor boundaries with a constant value.

def __init__(self, padding, value):

super(ConstantPad2d, self).__init__(value)

self.padding = _quadruple(padding)

3.镜像填充镜像填充

对图像或者张量的边缘进行镜像对称的填充，示例如下：

>>> m = nn.ReflectionPad2d(2)

>>> input = torch.arange(9).reshape(1, 1, 3, 3)

>>> input

(0 ,0 ,.,.) =

0 1 2

3 4 5

6 7 8

[torch.FloatTensor of size (1,1,3,3)]

>>> m(input)

(0 ,0 ,.,.) =

8 7 6 7 8 7 6

5 4 3 4 5 4 3

2 1 0 1 2 1 0

5 4 3 4 5 4 3

8 7 6 7 8 7 6

5 4 3 4 5 4 3

2 1 0 1 2 1 0

class ReflectionPad2d(_ReflectionPadNd):

# Pads the input tensor using the reflection of the input boundary.

def __init__(self, padding):

super(ReflectionPad2d, self).__init__()

self.padding = _quadruple(padding)

4.重复填充重复填充

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

评论0

weixin_38697123

粉丝: 2
资源: 924

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈