tensorflow--张量变换--3--矩阵填充( tf.pad )

tf.pad的作用是填充

一、参数解析

它的表达式如下:

pad(
    tensor,
    paddings,
    mode='CONSTANT',
    name=None
)
  • tensor是要填充的张量
  • padings 也是一个张量,代表每一维填充多少行/列,但是有一个要求它的rank一定要和tensor的rank是一样的
  • mode 可以取三个值,分别是”CONSTANT” ,“REFLECT”,“SYMMETRIC”
    • mode=“CONSTANT” 是填充0
    • mode=“REFLECT”是映射填充,上下(1维)填充顺序和paddings是相反的,左右(零维)顺序补齐
    • mode=“SYMMETRIC”是对称填充,上下(1维)填充顺序是和paddings相同的,左右(零维)对称补齐

二、例子

例1

本例使用的tensor都是rank=2的,注意paddings的rank也要等于2,否则报错

t=[[2,3,4],[5,6,7]],paddings=[[1,1],[2,2]],mode="CONSTANT"

那么sess.run(tf.pad(t,paddings,“CONSTANT”))的输出结果为:

array([[0, 0, 0, 0, 0, 0, 0],
          [0, 0, 2, 3, 4, 0, 0],
          [0, 0, 5, 6, 7, 0, 0],
          [0, 0, 0, 0, 0, 0, 0]], dtype=int32)

可以看到,上,下,左,右分别填充了1,1,2,2行刚好和paddings=[[1,1],[2,2]]相等,零填充

例2

t=[[2,3,4],[5,6,7]], paddings=[[1,2],[2,3]],mode="CONSTANT"

sess.run(tf.pad(t,paddings,“CONSTANT”))的输出结果为:

array([[0, 0, 0, 0, 0, 0, 0, 0],
          [0, 0, 2, 3, 4, 0, 0, 0],
          [0, 0, 5, 6, 7, 0, 0, 0],
          [0, 0, 0, 0, 0, 0, 0, 0],
          [0, 0, 0, 0, 0, 0, 0, 0]], dtype=int32)

可以看到,上,下,左,右分别填充啦1,2,2,3行刚好和paddings=[[1,2],[2,3]]相等,零填充

例3

t=[[2,3,4],[5,6,7]], paddings=[[1,1],[2,2]], mode='REFLECT'

sess.run(tf.pad(t,paddings,“REFLECT”))的输出结果为:

array([[7, 6, 5, 6, 7, 6, 5],
           [4, 3, 2, 3, 4, 3, 2],
           [7, 6, 5, 6, 7, 6, 5],
           [4, 3, 2, 3, 4, 3, 2]], dtype=int32)

可以看到,上下左右的值进行了映射填充,上下值填充的顺序和t是相反的,左右值只是进行顺序补齐

例4

t=[[2,3,4],[5,6,7]], paddings=[[1,1],[2,2]], mode='SYMMETRIC'

sess.run(tf.pad(t,paddings,“SYMMETRIC”))的输出结果为:

array([[3, 2, 2, 3, 4, 4, 3],
      [3, 2, 2, 3, 4, 4, 3],
      [6, 5, 5, 6, 7, 7, 6],
      [6, 5, 5, 6, 7, 7, 6]], dtype=int32)

可以看到,上下左右的值进行了对称填充,上下值是按照t相同顺序填充的,左右值只是进行对称补齐

}

参考资料

https://blog.csdn.net/zhang_bei_qing/article/details/75090203

个人公众号,比较懒,很少更新,可以在上面提问题,如果回复不及时,可发邮件给我: tiehan@sina.cn

Sam avatar
About Sam
专注生物信息 专注转化医学