pytorch的pad在卷积前进行填充；
填充重要的是图像小，而在图像大的情况下可能影响不大。
self.con v1=nn.conv 2d (1，1，3，1，1 ) tensor ([-1.3850，0.5036，-0.0835，-0.0235]，[ 0.1744，2.2985 ] 0.6606，0.2888，0.1508 ]，[ 0.1197，-0.2834] 0.5352]，[-0.9292，0.2906，0.1087，-0.4605]]]]，grad _ fn=Mn
self.con v1=nn.sequential (nn.zero pad 2d (1)，nn.conv2D ) 1，1，3，1，0 )，) Tensor ) [ [-1.3850，0.5000 ] - 0.2501 ] ] tensor [ [ 0.3224，0.6606 ]-0.3850 ]，[-1.4643，-0.9435，- 0.2578，0.5352 ]，[-0.9292，0.2906，0.110 ]
ReflectionPad2d使用输入边界的反射填充输入pcdse。
self.con v1=nn.sequential (nn.reflection pad 2d (1)，nn.conv 2d (1，1，3，1，0 ) ) tensor ) [ [-1.3850 ]-0. -0.2616，-0.2501]]]] ) tensor ([ [-0.2501 ]-0.2834，0.0889，-0.6879]，[-1.6183，-0.9435，- 0.2578，0.15559
self.con v1=nn.sequential (nn.replication pad 2d (1)，nn.conv2D ) 1，1，3，1，0 ) (Tensor ) [ [-1.3850 ]-0 0.0889，-0.0786]，[-1.4233，-0.9435，- 0.2578，0.6855 ]，[-0.8149，0.4816，-0.1508，-1.2202]，grad
self.con v1=nn.sequential (nn.constant pad 2d (1，0 )，nn.conv 2d (1，1，3，1，0 ) ) Tensor ) [ [-1.38555 ] 0.0889、-0.3850]、[-1.4643、-0.9435、- 0.2578、0.5352 ]、[-0.9292、0.2906、0.1087、-0.4605]， grad _ fn=mkldnnconvolutionbackward (self.con v1=nn.sequential (nn.constant pad 2d (1，1 )，nn.conv2d ) ) 1，1 1.4059，- 1.4013，1.2973 ]，[ 1.6409，-1.0567，-0.6619] -0.3232，-0.4158]，[ 0.2464，- 0.2834，0.0889，- 0.866449