pytorch中的nn.ZeroPad2d()零填充函數(shù)實(shí)例詳解

在卷積神經(jīng)網(wǎng)絡(luò)中，有使用設(shè)置padding的參數(shù)，配合卷積步長(zhǎng)，可以使得卷積后的特征圖尺寸大小不發(fā)生改變，那么在手動(dòng)實(shí)現(xiàn)圖片或特征圖的邊界零填充時(shí)，常用的函數(shù)是nn.ZeroPad2d(),可以指定tensor的四個(gè)方向上的填充，比如左邊添加1dim、右邊添加2dim、上邊添加3dim、下邊添加4dim，即指定paddin參數(shù)為（1，2，3，4），本文中代碼設(shè)置的是（3，4，5，6）如下：

import torch.nn as nn
import cv2
import torchvision
from torchvision.utils import save_image
def same_padding(img):
    toTensor=torchvision.transforms.ToTensor()
    img=cv2.imread(img)#獲得的是（H,W,C)
    img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#轉(zhuǎn)換成正常的RGB通道
    print("img_cv2 shape:",img.shape)
    img_tensor=toTensor(img)#轉(zhuǎn)成tensor后是(C,H,W)
    print("img_tensor shape:",img_tensor.shape)
    pad=nn.ZeroPad2d(padding=(3,4,5,6))

    img_padding=pad(img_tensor)
    print("img_padding shape:",img_padding.shape)
    save_image(img_padding,'img_padding.jpg')#將tensor格式的圖片，直接保存成圖片
same_padding('bird.jpg')

代碼中需要注意的是，必須要將圖片數(shù)據(jù)轉(zhuǎn)換成tensor數(shù)據(jù)類型的才可以使用nn.zeroPad2d()函數(shù)
為了凸顯效果圖：我們將設(shè)置大尺度的0填充

nn.ZeroPad2d(padding=(100,30,60,60))

知識(shí)點(diǎn)擴(kuò)展：pytorch零填充函數(shù)ZeroPad2d作用

pytorch中最常用的零填充函數(shù)是nn.ZeroPad2d，也就是對(duì)Tensor使用0進(jìn)行邊界填充，我們可以指定tensor的四個(gè)方向上的填充數(shù)，比如左邊添加1dim、右邊添加2dim、上邊添加3dim、下邊添加4dim，即指定paddin參數(shù)為（1，2，3，4），如下：

pad = nn.ZeroPad2d(padding=(1, 2, 3, 4))
y = pad(x)
得到的y是x在四個(gè)方向上按照（1，2，3，4）進(jìn)行的補(bǔ)零操作，如下圖：

到此這篇關(guān)于pytorch中的nn.ZeroPad2d()零填充函數(shù)實(shí)例詳解的文章就介紹到這了,更多相關(guān)pytorch 零填充函數(shù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！