填充

填充 - 23

版本

  • 名称: Pad (GitHub)

  • 域名: main

  • since_version: 23

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本23起可用。

摘要

给定一个包含要填充数据的张量（data），一个包含轴开始和结束填充值数量的张量（pads），（可选）一个mode，以及（可选）constant_value，生成一个填充后的张量（output）。

支持的三种modes是（类似于numpy.pad支持的相应模式）：

  1. constant（默认）- 使用由 constant_value 指定的常量值进行填充（默认为 0、空字符串或 False）

  2. reflect - 使用向量在沿每个轴的第一个和最后一个值上的镜像反射进行填充

  3. edge - 使用数组的边缘值进行填充

  4. wrap - 环绕填充，就像数据张量形成一个环面

示例 1 (constant 模式):

在第二维度的开头插入0填充。

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [0, 2, 0, 0]

mode = 'constant'

constant_value = 0.0

output = [
    [0.0, 0.0, 1.0, 1.2],
    [0.0, 0.0, 2.3, 3.4],
    [0.0, 0.0, 4.5, 5.7],
]

示例 2 (reflect 模式):

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [0, 2, 0, 0]

mode = 'reflect'

output = [
    [1.0, 1.2, 1.0, 1.2],
    [2.3, 3.4, 2.3, 3.4],
    [4.5, 5.7, 4.5, 5.7],
]

示例 3 (edge 模式):

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [0, 2, 0, 0]

mode = 'edge'

output = [
    [1.0, 1.0, 1.0, 1.2],
    [2.3, 2.3, 2.3, 3.4],
    [4.5, 4.5, 4.5, 5.7],
]

示例 4 (wrap 模式):

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [2, 1, 1, 1]

mode = 'wrap'

output = [
    [3.4, 2.3, 3.4, 2.3],
    [5.7, 4.5, 5.7, 4.5],
    [1.2, 1.0, 1.2, 1.0],
    [3.4, 2.3, 3.4, 2.3],
    [5.7, 4.5, 5.7, 4.5],
    [1.2, 1.0, 1.2, 1.0],
]

属性

  • mode - STRING (默认为 'constant'):

    支持的模式：constant（默认），reflect，edge，wrap

输入

介于2到4个输入之间。

  • data (异构) - T:

    输入张量。

  • pads (异构) - tensor(int64):

    表示在每个轴的开头和结尾添加或删除（如果为负）的填充元素数量的整数张量。对于2D输入张量，它是像素的数量。pads 应该是一个形状为 [2 * num_axes] 的1D张量，其中 num_axes 指的是 axes 输入中的元素数量，或者如果未明确提供 axes，则指的是输入秩。pads 的格式应为：[x1_begin, x2_begin, …, x1_end, x2_end,…]，其中 xi_begin 是在轴 axes[i] 开头添加的填充值数量，xi_end 是在轴 axes[i] 结尾添加的填充值数量。

  • constant_value (可选, 异构) - T:

    （可选）如果选择的模式是constant，则使用的标量值（默认情况下为0、空字符串或False）。

  • axes（可选，异构） - Tind:

    1-D 张量的轴，pads 应用于这些轴。负值表示从后向前计算维度。接受的范围是 [-r, r-1]，其中 r = rank(data)。如果轴重复，则行为未定义。如果未提供，则假定所有轴（[0, 1, ..., input_rank-1]）。

输出

  • 输出 (异构) - T:

    填充后的张量。

类型约束

  • T 在 ( tensor(bfloat16), tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(float4e2m1), tensor(float8e4m3fn), tensor(float8e4m3fnuz), tensor(float8e5m2), tensor(float8e5m2fnuz), tensor(int16), tensor(int32), tensor(int4), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint4), tensor(uint64), tensor(uint8) ):

    将输入和输出类型限制为所有IRv11之前的张量类型。

  • Tind 在 ( tensor(int32), tensor(int64) ) 中:

    将索引限制为整数类型

填充 - 21

版本

  • 名称: Pad (GitHub)

  • 域名: main

  • since_version: 21

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本21起可用。

摘要

给定一个包含要填充数据的张量（data），一个包含轴开始和结束填充值数量的张量（pads），（可选）一个mode，以及（可选）constant_value，生成一个填充后的张量（output）。

支持的三种modes是（类似于numpy.pad支持的相应模式）：

  1. constant（默认）- 使用由 constant_value 指定的常量值进行填充（默认为 0、空字符串或 False）

  2. reflect - 使用向量在沿每个轴的第一个和最后一个值上的镜像反射进行填充

  3. edge - 使用数组的边缘值进行填充

  4. wrap - 环绕填充，就像数据张量形成一个环面

示例 1 (constant 模式):

在第二维度的开头插入0填充。

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [0, 2, 0, 0]

mode = 'constant'

constant_value = 0.0

output = [
    [0.0, 0.0, 1.0, 1.2],
    [0.0, 0.0, 2.3, 3.4],
    [0.0, 0.0, 4.5, 5.7],
]

示例 2 (reflect 模式):

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [0, 2, 0, 0]

mode = 'reflect'

output = [
    [1.0, 1.2, 1.0, 1.2],
    [2.3, 3.4, 2.3, 3.4],
    [4.5, 5.7, 4.5, 5.7],
]

示例 3 (edge 模式):

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [0, 2, 0, 0]

mode = 'edge'

output = [
    [1.0, 1.0, 1.0, 1.2],
    [2.3, 2.3, 2.3, 3.4],
    [4.5, 4.5, 4.5, 5.7],
]

示例 4 (wrap 模式):

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [2, 1, 1, 1]

mode = 'wrap'

output = [
    [3.4, 2.3, 3.4, 2.3],
    [5.7, 4.5, 5.7, 4.5],
    [1.2, 1.0, 1.2, 1.0],
    [3.4, 2.3, 3.4, 2.3],
    [5.7, 4.5, 5.7, 4.5],
    [1.2, 1.0, 1.2, 1.0],
]

属性

  • mode - STRING (默认为 'constant'):

    支持的模式：constant（默认），reflect，edge，wrap

输入

介于2到4个输入之间。

  • data (异构) - T:

    输入张量。

  • pads (异构) - tensor(int64):

    表示在每个轴的开头和结尾添加或删除（如果为负）的填充元素数量的整数张量。对于2D输入张量，它是像素的数量。pads 应该是一个形状为 [2 * num_axes] 的1D张量，其中 num_axes 指的是 axes 输入中的元素数量，或者如果 axes 没有明确提供，则指的是输入秩。pads 的格式应为：[x1_begin, x2_begin, …, x1_end, x2_end,…]，其中 xi_begin 是在轴 axes[i] 开头添加的填充值数量，xi_end 是在轴 axes[i] 结尾添加的填充值数量。

  • constant_value (可选, 异构) - T:

    （可选）如果选择的模式是constant，则使用的标量值（默认情况下为0、空字符串或False）。

  • axes（可选，异构） - Tind:

    1-D 张量的轴，pads 应用于这些轴。负值表示从后向前计算维度。可接受的范围是 [-r, r-1]，其中 r = rank(data)。如果轴重复，则行为未定义。如果未提供，则假定所有轴（[0, 1, ..., input_rank-1]）。

输出

  • 输出 (异构) - T:

    填充后的张量。

类型约束

  • T 在 ( tensor(bfloat16), tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(float8e4m3fn), tensor(float8e4m3fnuz), tensor(float8e5m2), tensor(float8e5m2fnuz), tensor(int16), tensor(int32), tensor(int4), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint4), tensor(uint64), tensor(uint8) ):

    将输入和输出类型限制为所有IRv10之前的张量类型。

  • Tind 在 ( tensor(int32), tensor(int64) ) 中:

    将索引限制为整数类型

填充 - 19

版本

  • 名称: Pad (GitHub)

  • 域名: main

  • since_version: 19

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本19起可用。

总结

给定一个包含要填充数据的张量（data），一个包含轴开始和结束填充值数量的张量（pads），（可选）一个mode，以及（可选）constant_value，生成一个填充后的张量（output）。

支持的三种modes是（类似于numpy.pad支持的相应模式）：

  1. constant（默认）- 使用由 constant_value 指定的常量值进行填充（默认为 0、空字符串或 False）

  2. reflect - 使用向量在沿每个轴的第一个和最后一个值上的镜像反射进行填充

  3. edge - 使用数组的边缘值进行填充

  4. wrap - 环绕填充，就像数据张量形成一个环面

示例 1 (constant 模式):

在第二维度的开头插入0填充。

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [0, 2, 0, 0]

mode = 'constant'

constant_value = 0.0

output = [
    [0.0, 0.0, 1.0, 1.2],
    [0.0, 0.0, 2.3, 3.4],
    [0.0, 0.0, 4.5, 5.7],
]

示例 2 (reflect 模式):

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [0, 2, 0, 0]

mode = 'reflect'

output = [
    [1.0, 1.2, 1.0, 1.2],
    [2.3, 3.4, 2.3, 3.4],
    [4.5, 5.7, 4.5, 5.7],
]

示例 3 (edge 模式):

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [0, 2, 0, 0]

mode = 'edge'

output = [
    [1.0, 1.0, 1.0, 1.2],
    [2.3, 2.3, 2.3, 3.4],
    [4.5, 4.5, 4.5, 5.7],
]

示例 4 (wrap 模式):

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [2, 1, 1, 1]

mode = 'wrap'

output = [
    [3.4, 2.3, 3.4, 2.3],
    [5.7, 4.5, 5.7, 4.5],
    [1.2, 1.0, 1.2, 1.0],
    [3.4, 2.3, 3.4, 2.3],
    [5.7, 4.5, 5.7, 4.5],
    [1.2, 1.0, 1.2, 1.0],
]

属性

  • mode - STRING (默认为 'constant'):

    支持的模式：constant（默认），reflect，edge，wrap

输入

介于2到4个输入之间。

  • data (异构) - T:

    输入张量。

  • pads (异构) - tensor(int64):

    表示在每个轴的开头和结尾添加或删除（如果为负）的填充元素数量的整数张量。对于2D输入张量，它是像素的数量。pads 应该是一个形状为 [2 * num_axes] 的1D张量，其中 num_axes 指的是 axes 输入中的元素数量，或者如果没有明确提供 axes，则指的是输入秩。pads 的格式应为：[x1_begin, x2_begin, …, x1_end, x2_end,…]，其中 xi_begin 是在轴 axes[i] 开头添加的填充值数量，xi_end 是在轴 axes[i] 结尾添加的填充值数量。

  • constant_value (可选, 异构) - T:

    （可选）如果选择的模式是constant，则使用的标量值（默认情况下为0、空字符串或False）。

  • axes（可选，异构） - Tind:

    1-D 张量的轴，pads 应用于这些轴。负值表示从后向前计算维度。接受的范围是 [-r, r-1]，其中 r = rank(data)。如果轴重复，则行为未定义。如果未提供，则假定为所有轴 ([0, 1, ..., input_rank-1])。

输出

  • 输出 (异构) - T:

    填充后的张量。

类型约束

  • T 在 ( tensor(bfloat16), tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) ):

    将输入和输出类型限制为所有张量类型。

  • Tind 在 ( tensor(int32), tensor(int64) ) 中:

    将索引限制为整数类型

填充 - 18

版本

  • 名称: Pad (GitHub)

  • 域名: main

  • since_version: 18

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本18起可用。

摘要

给定一个包含要填充数据的张量（data），一个包含轴开始和结束填充值数量的张量（pads），（可选）一个mode，以及（可选）constant_value，生成一个填充后的张量（output）。

支持的三种modes是（类似于numpy.pad支持的相应模式）：

  1. constant（默认）- 使用由 constant_value 指定的常量值进行填充（默认为 0、空字符串或 False）

  2. reflect - 使用向量在沿每个轴的第一个和最后一个值上的镜像反射进行填充

  3. edge - 使用数组的边缘值进行填充

示例 1 (constant 模式):

在第二维度的开头插入0填充。

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [0, 2, 0, 0]

mode = 'constant'

constant_value = 0.0

output = [
    [0.0, 0.0, 1.0, 1.2],
    [0.0, 0.0, 2.3, 3.4],
    [0.0, 0.0, 4.5, 5.7],
]

示例 2 (reflect 模式):

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [0, 2, 0, 0]

mode = 'reflect'

output = [
    [1.0, 1.2, 1.0, 1.2],
    [2.3, 3.4, 2.3, 3.4],
    [4.5, 5.7, 4.5, 5.7],
]

示例 3 (edge 模式):

data = [
    [1.0, 1.2],
    [2.3, 3.4],
    [4.5, 5.7],
]

pads = [0, 2, 0, 0]

mode = 'edge'

output = [
    [1.0, 1.0, 1.0, 1.2],
    [2.3, 2.3, 2.3, 3.4],
    [4.5, 4.5, 4.5, 5.7],
]

属性

  • mode - STRING (默认为 'constant'):

    支持的模式：constant（默认），reflect，edge

输入

介于2到4个输入之间。

  • data (异构) - T:

    输入张量。

  • pads (异构) - tensor(int64):

    表示在每个轴的开头和结尾添加或删除（如果为负）的填充元素数量的整数张量。对于2D输入张量，它是像素的数量。pads 应该是一个形状为 [2 * num_axes] 的1D张量，其中 num_axes 指的是 axes 输入中的元素数量，或者如果未明确提供 axes，则指的是输入秩。pads 的格式应为：[x1_begin, x2_begin, …, x1_end, x2_end,…]，其中 xi_begin 是在轴 axes[i] 开头添加的填充值数量，xi_end 是在轴 axes[i] 结尾添加的填充值数量。

  • constant_value (可选, 异构) - T:

    （可选）如果选择的模式是constant，则使用的标量值（默认情况下为0、空字符串或False）。

  • axes（可选，异构） - Tind:

    1-D 张量的轴，pads 应用于这些轴。负值表示从后向前计算维度。接受的范围是 [-r, r-1]，其中 r = rank(data)。如果轴重复，则行为未定义。如果未提供，则假定所有轴（[0, 1, ..., input_rank-1]）。

输出

  • 输出 (异构) - T:

    填充后的张量。

类型约束

  • T 在 ( tensor(bfloat16), tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) ):

    将输入和输出类型限制为所有张量类型。

  • Tind 在 ( tensor(int32), tensor(int64) ) 中:

    将索引限制为整数类型

填充 - 13

版本

  • 名称: Pad (GitHub)

  • 域名: main

  • since_version: 13

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本13起可用。

摘要

给定一个包含要填充数据的张量（data），一个包含轴开始和结束填充值数量的张量（pads），（可选）一个mode，以及（可选）constant_value，生成一个填充后的张量（output）。

支持的三种modes是（类似于numpy.pad支持的相应模式）：

  1. constant（默认）- 使用由 constant_value 指定的常量值进行填充（默认为 0、空字符串或 False）

  2. reflect - 使用向量在沿每个轴的第一个和最后一个值上的镜像反射进行填充

  3. edge - 使用数组的边缘值进行填充

示例 1 (constant 模式): 在第二维的开头插入 0 填充。

数据 = [ [1.0, 1.2], [2.3, 3.4], [4.5, 5.7], ]

pads = [0, 2, 0, 0]

模式 = 'constant'

constant_value = 0.0

输出 = [ [0.0, 0.0, 1.0, 1.2], [0.0, 0.0, 2.3, 3.4], [0.0, 0.0, 4.5, 5.7], ]

示例 2 (reflect 模式): data = [ [1.0, 1.2], [2.3, 3.4], [4.5, 5.7], ]

pads = [0, 2, 0, 0]

模式 = ‘reflect’

输出 = [ [1.0, 1.2, 1.0, 1.2], [2.3, 3.4, 2.3, 3.4], [4.5, 5.7, 4.5, 5.7], ]

示例 3 (edge 模式): data = [ [1.0, 1.2], [2.3, 3.4], [4.5, 5.7], ]

pads = [0, 2, 0, 0]

模式 = '边缘'

输出 = [ [1.0, 1.0, 1.0, 1.2], [2.3, 2.3, 2.3, 3.4], [4.5, 4.5, 4.5, 5.7], ]

属性

  • mode - STRING (默认为 'constant'):

    支持的模式：constant（默认），reflect，edge

输入

在2到3个输入之间。

  • data (异构) - T:

    输入张量。

  • pads (异构) - tensor(int64):

    表示在每个轴的开头和结尾添加或删除（如果为负）的填充元素数量的整数张量。对于2D输入张量，它是像素的数量。pads 应该是一个形状为 [2 * input_rank] 的1D张量。pads 的格式应为：[x1_begin, x2_begin,…,x1_end, x2_end,…]，其中 xi_begin 是在轴 i 开头添加的填充值的数量，xi_end 是在轴 i 结尾添加的填充值的数量。

  • constant_value (可选, 异构) - T:

    （可选）如果选择的模式是constant，则使用的标量值（默认情况下为0、空字符串或False）。

输出

  • 输出 (异构) - T:

    填充后的张量。

类型约束

  • T 在 ( tensor(bfloat16), tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) ):

    将输入和输出类型限制为所有张量类型。

填充 - 11

版本

  • 名称: Pad (GitHub)

  • 域名: main

  • since_version: 11

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本11起可用。

摘要

给定一个包含要填充数据的张量（data），一个包含轴开始和结束填充值数量的张量（pads），（可选）一个mode，以及（可选）constant_value，生成一个填充后的张量（output）。

支持的三种modes是（类似于numpy.pad支持的相应模式）：

  1. constant(默认) - 使用由constant_value指定的常数值进行填充（默认为0）

  2. reflect - 使用向量在沿每个轴的第一个和最后一个值上的镜像反射进行填充

  3. edge - 使用数组的边缘值进行填充

示例 1 (constant 模式): 在第二维的开头插入 0 填充。

数据 = [ [1.0, 1.2], [2.3, 3.4], [4.5, 5.7], ]

pads = [0, 2, 0, 0]

模式 = 'constant'

constant_value = 0.0

输出 = [ [0.0, 0.0, 1.0, 1.2], [0.0, 0.0, 2.3, 3.4], [0.0, 0.0, 4.5, 5.7], ]

示例 2 (reflect 模式): data = [ [1.0, 1.2], [2.3, 3.4], [4.5, 5.7], ]

pads = [0, 2, 0, 0]

模式 = ‘reflect’

输出 = [ [1.0, 1.2, 1.0, 1.2], [2.3, 3.4, 2.3, 3.4], [4.5, 5.7, 4.5, 5.7], ]

示例 3 (edge 模式): data = [ [1.0, 1.2], [2.3, 3.4], [4.5, 5.7], ]

pads = [0, 2, 0, 0]

mode = ‘edge’

输出 = [ [1.0, 1.0, 1.0, 1.2], [2.3, 2.3, 2.3, 3.4], [4.5, 4.5, 4.5, 5.7], ]

属性

  • mode - STRING (默认为 'constant'):

    支持的模式：constant（默认），reflect，edge

输入

在2到3个输入之间。

  • data (异构) - T:

    输入张量。

  • pads (异构) - tensor(int64):

    表示在每个轴的开头和结尾添加或移除（如果为负）的填充元素数量的整数张量。对于2D输入张量，它是像素的数量。pads 应该是一个形状为 [2 * input_rank] 的1D张量。pads 的格式应为：[x1_begin, x2_begin,…,x1_end, x2_end,…]，其中 xi_begin 是在轴 i 开头添加的填充值的数量，xi_end 是在轴 i 结尾添加的填充值的数量。

  • constant_value (可选, 异构) - T:

    （可选）如果选择的模式是constant，则使用的标量值（默认情况下为0）。

输出

  • 输出 (异构) - T:

    填充后的张量。

类型约束

  • T 在 ( tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) ):

    限制输入和输出仅为数值类型。

填充 - 2

版本

  • 名称: Pad (GitHub)

  • 域名: main

  • since_version: 2

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本2起可用。

总结

给定 data 张量、填充、模式和值。 示例： 在第二维的开头插入0填充。 data = [ [1.0, 1.2], [2.3, 3.4], [4.5, 5.7], ] pads = [0, 2, 0, 0] output = [ [ [0.0, 0.0, 1.0, 1.2], [0.0, 0.0, 2.3, 3.4], [0.0, 0.0, 4.5, 5.7], ], ]

属性

  • mode - STRING (默认为 'constant'):

    三种模式：常量（默认）、反射、边缘

  • pads - INTS (必填) :

    表示在每个轴的开头和结尾添加或移除（如果为负数）的填充元素数量的整数列表。对于2D，它是像素的数量。pads 的秩应该是输入秩的两倍。pads 的格式应如下所示 [x1_begin, x2_begin…x1_end, x2_end,…]，其中 xi_begin 是在轴 i 开头添加的像素数量，xi_end 是在轴 i 结尾添加的像素数量。

  • value - FLOAT (默认值为 '0.0'):

    一个浮点数，表示要填充的值。

输入

  • data (异构) - T:

    输入张量。

输出

  • 输出 (异构) - T:

    填充后的张量。

类型约束

  • T 在 ( tensor(double), tensor(float), tensor(float16) ) 中:

    将输入和输出类型限制为浮点张量。

填充 - 1

版本

  • 名称: Pad (GitHub)

  • 域名: main

  • since_version: 1

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: False

此版本的运算符自版本1起可用。

摘要

给定 data 张量、填充、模式和值。 示例： 在第二维的开头插入0填充。 data = [ [1.0, 1.2], [2.3, 3.4], [4.5, 5.7], ] paddings = [0, 0, 2, 0] output = [ [ [0.0, 0.0, 1.0, 1.2], [0.0, 0.0, 2.3, 3.4], [0.0, 0.0, 4.5, 5.7], ], ]

属性

  • mode - STRING (默认为 'constant'):

    三种模式：常量（默认）、反射、边缘

  • paddings - INTS（必填）：

    整数列表表示每个轴开始和结束的填充元素数量，对于2D来说，它是像素的数量。paddings 的秩应该是输入秩的两倍。paddings 的格式应如下所示 [x1_begin, x2_begin…x1_end, x2_end,…]，其中 xi_begin 是在轴 i 开始处添加的像素数量，xi_end 是在轴 i 结束处添加的像素数量。

  • value - FLOAT (默认值为 '0.0'):

    一个浮点数，表示要填充的值，默认值为0

输入

  • data (异构) - T:

    输入张量。

输出

  • 输出 (异构) - T:

    填充后的张量。

类型约束

  • T 在 ( tensor(double), tensor(float), tensor(float16) ) 中:

    将输入和输出类型限制为浮点张量。