ConstantPad1d

class torch.nn.ConstantPad1d(padding, value)

使用常数值填充输入张量的边界。

对于N维填充，使用torch.nn.functional.pad()。

Parameters

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

Shape:

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

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

  $W_{out} = W_{in} + \text{左填充} + \text{右填充}$

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]]])
>>> # 对不同边使用不同的填充
>>> 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]]])