TensorFlow 中显示边缘填充 tf.pad 的基本用法及实例代码

最新推荐文章于 2024-08-07 11:06:31 发布

原创最新推荐文章于 2024-08-07 11:06:31 发布 · 1.1k 阅读

3 ·

CC 4.0 BY-SA版权

TensorFlow基础专栏收录该内容

52 篇文章

订阅专栏

本文详细介绍了在TensorFlow中如何使用pad函数对张量进行填充，包括不同填充模式（CONSTANTREFLECTSYMMETRIC）的效果演示，并通过两个实例展示了如何在实际代码中应用这一功能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、环境

TensorFlow API r1.12

CUDA 9.2 V9.2.148

cudnn64_7.dll

Python 3.6.3

Windows 10

二、官方说明

对带填充的张量的边缘填充指定值

https://tensorflow.google.cn/api_docs/python/tf/pad

paddings 必须是一个形状为 [n, 2] 的整数类型的张量，n 为输入 tensor 的阶

对于输入的每个维度 D，paddings [D, 0] 表示待填充的张量在该维度上要填充多少个值，padddings[D, 1] 表示待填充的张量在该维度上要填充多少个值

填充模式为 “REFECT” 时，paddings [D, 0] 和 paddings [D, 1] 都必须不大于 tensor.dim_size(D) -1

填充模式为 “SYMMETRIC” 时，paddings [D, 0] 和 paddings [D, 1] 都必须不大于 tensor.dim_size(D)

输出的每个维度 D 填充后的大小：

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

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

参数：

tensor：待填充的张量

paddings：类型为 int32 的二维张量，形状为 [n, 2]，简单来说就是 n 行 2 列的张量，这里 n 与 tensor 的阶相同，这里的 2 代表待填充张量的首、尾填充位置，即在待填充张量的相应的维度的首、尾各添加多少行或列

mode：设置填充内容， "CONSTANT"、"REFLECT" 或 "SYMMETRIC" (部分大小写)

name：可选参数，操作的名称
constant_values：必须和 tensor 具有相同的类型，设置为 "CONSTANT" 模式时，使用标量值填充

返回：

和 tensor 具有相同类型的张量

三、实例

实例1：

>>> import tensorflow as tf
>>> t = tf.constant(value=[[1,2,3],[4,5,6]])
>>> paddings = tf.constant(value=[[1,1],[2,2]])
>>> padded_result_1 = tf.pad(tensor=t, paddings=paddings, mode="CONSTANT")
>>> padded_result_2 = tf.pad(tensor=t, paddings=paddings, mode="REFLECT")
>>> padded_result_3 = tf.pad(tensor=t, paddings=paddings, mode="SYMMETRIC")
>>> with tf.Session() as sess:
...     print(sess.run(padded_result_1))
...     print(sess.run(padded_result_2))
...     print(sess.run(padded_result_3))
...
# CONSTANT模式时，[[1,1],[2,2]]表示给待填充的张量上、下各添加 1 行，左、右个添加 2 行
# 全部使用 0 填充
[[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]]
# REFLECT模式时，[[1,1],[2,2]]表示给待填充的张量上、下各添加 1 行，左、右个添加 2 行
# 映射填充：上复制 tensor 的下，下复制 tensor 的上，左复制tensor 的右，右复制 tensor 的左
[[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]]
# SYMMETRIC模式时，[[1,1],[2,2]]表示给待填充的张量上、下各添加 1 行，左、右个添加 2 行
# 对称填充：上复制 tensor 的上，下复制 tensor 的下，左复制tensor 的左，右复制 tensor 的右
[[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]]

实例2：

>>> import tensorflow as tf
>>> t = tf.constant(value=[[1,2,3],[4,5,6],[6,8,9]])
>>> paddings = tf.constant(value=[[1,2],[2,1]])
>>> padded_result_1 = tf.pad(tensor=t, paddings=paddings, mode="CONSTANT")
>>> padded_result_2 = tf.pad(tensor=t, paddings=paddings, mode="REFLECT")
>>> padded_result_3 = tf.pad(tensor=t, paddings=paddings, mode="SYMMETRIC")
>>> with tf.Session() as sess:
...     print(sess.run(padded_result_1))
...     print(sess.run(padded_result_2))
...     print(sess.run(padded_result_3))
...
# CONSTANT模式时，[[1,2],[2,1]]表示给待填充的张量上添加 1 行、下添加 2 行，左添加 2 行、右添加 1 行
# 全部使用 0 填充
[[0 0 0 0 0 0]
 [0 0 1 2 3 0]
 [0 0 4 5 6 0]
 [0 0 6 8 9 0]
 [0 0 0 0 0 0]
 [0 0 0 0 0 0]]
# REFLECT模式时，[[1,2],[2,1]]表示给待填充的张量上添加 1 行、下添加 2 行，左添加 2 行、右添加 1 行
# 映射填充：上复制 tensor 的中间行及下面的行，下复制 tensor 的中间及上面的行，排列顺序与原 tensor 相反
# 左复制 tensor 的中间及右侧列，右复制 tensor 的中间及左侧的列，排列顺序与原 tensor 相反
[[6 5 4 5 6 5]
 [3 2 1 2 3 2]
 [6 5 4 5 6 5]
 [9 8 6 8 9 8]
 [6 5 4 5 6 5]
 [3 2 1 2 3 2]]
# SYMMETRIC模式时，，[[1,2],[2,1]]表示给待填充的张量上添加 1 行、下添加 2 行，左添加 2 行、右添加 1 行
# 对称填充：上复制 tensor 的中间行及上面的行，下复制 tensor 的中间行及下面的行，排列顺序与原 tensor 相反
# 左复制tensor 的中间及左侧的列，右复制 tensor 的中间及右侧的列，排列顺序与原 tensor 相反
[[2 1 1 2 3 3]
 [2 1 1 2 3 3]
 [5 4 4 5 6 6]
 [8 6 6 8 9 9]
 [8 6 6 8 9 9]
 [5 4 4 5 6 6]]