苹果touch,python

读字

padding操作是在图像周围添加像素点。

为了实际说明操作步骤，这里使用实际的图像进行处理。

这张照片大小(256，256 )，使用pad做了黑色的边框。具体代码如下。

import torch.nn，functional as F

导入途径

来自pil导入图像

im=image.open('Heibai.jpg '，' r ' ) )

) ) )

打印(shape :X.shape ) )。

dim=(10，10，10 ) ) ) )。

x=f.pad(x，dim，' constant '，value=0) )。

padX=X.data.numpy (

padim=image.fromarray(padx ) )。

padim=padim.convert(RGB ) #这里必须转换为RGB。必须是这样

padim.save(padded.jpg，) jpeg ) )。

padim.show (

print(shape: )、padX.shape )。

shape : torch.size ([ 256，256 ]

形状： (276，276 ) )。

可以看到，原始图的4个方向加上10维0，维为256 10 10的图像如下所示。

举几个简单的例子：

x=NP.as array ([ [ 1，2 ]，[ 1，2 ] ]

x=Torch.Tensor(x ) ) )。

打印(x.shape ) )。

pad_dims=(

2，2，1，)

x=f.pad(x，pad_dims，' constant ' ) )。

打印(x.shape ) )。

打印(x )是

torch.size ([ 1，2 ] ) )。

torch.size ([ 3，6，6 ]

tensor([ 0.0 .0.]，[ 0.0.]，[ 0.0.]，[ 0.1 .2 .0.] )

可以看出，当pid_sim为(2，1 )时，原始维度的变化为2 )2=6，1 )1=3。也就是说，第一个) 2，2 ) pad是最后一个维度，第二个) 2，2 ) pad是倒数第二个维度，第三个) 1，1 ) pad是第一个维度

再举一个四维的东西，但只做三维的pad :

x=NP.as array ([ [ 1，2 ] ] ) )

x=Torch.Tensor(x ) # (1，2 ) ) ) ) ) ) ) )。

打印(x.shape ) )。

pad_dims=(

2，' constant ' (# (1，12，12 ) ) ) ) )。

打印(x.shape ) )。

打印(x )是

torch.size ([ 1，2 ] ) )。

torch.size ([ 1，3，6 ]

tensor([[0.0.]]]] )

列举四维的、焊盘的四个维度：

x=NP.as array ([ [ 1，2 ] )

）

x=f.pad(x，2 ) )

torch.size ([ 5，0.] )，太多了

以上pytorch中pad函数toch.nn.functional.pad ()的使用方法是编辑与大家共享的全部内容。希望能作为参考，如果能得到支持的话就太好了。