填充

填充 - 23

版本

  • **名称**: 填充 (GitHub)

  • **域**: main

  • **自版本**: 23

  • **函数**: False

  • **支持级别**: SupportType.COMMON

  • **形状推断**: True

此版本的算子**自版本 23**起可用。

摘要

给定一个包含要填充的数据的张量（data），一个包含每个轴的起始和结束填充值的张量（pads），（可选）一个mode，以及（可选）constant_value，生成一个填充后的张量（output）。

三种受支持的modes是（类似于numpy.pad支持的相应模式）

  1. constant（默认） - 使用constant_value指定的给定常数值进行填充（默认为 0、空字符串或 False）

  2. reflect - 使用沿每个轴的向量在第一个和最后一个值上镜像的向量的反射进行填充

  3. edge - 使用数组的边缘值进行填充

  4. wrap - 将数据张量视为环面进行环绕填充

示例 1（constant模式）

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]

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 - 字符串**（默认为'constant'）

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

输入

2 到 4 个输入。

  • **data** (异构) - **T**

    输入张量。

  • **pads** (异构) - **tensor(int64)**

    整数张量，指示在每个轴的开头和结尾添加或删除（如果为负）的填充元素的数量。对于 2D 输入张量，它是像素的数量。pads应为形状为 [2 * num_axes] 的 1D 张量，其中num_axes指的是axes输入中的元素数量，或者如果未显式提供axes，则为输入秩。pads格式应为：[x1_begin, x2_begin, …, x1_end, x2_end,…], 其中 xi_begin 是添加到轴axes[i]开头处的填充值的个数，而 xi_end 是添加到轴axes[i]结尾处的填充值的个数。

  • **constant_value** (可选，异构) - **T**

    （可选）如果选择的模式为constant，则使用一个标量值（默认为 0、空字符串或 False）。

  • **axes** (可选，异构) - **Tind**

    1-D 张量，表示pads应用到的轴。负值表示从后往前计算维度。接受的范围是 [-r, r-1]，其中 r = rank(data)。如果某个轴重复，则行为未定义。如果未提供，则假定所有轴（[0, 1, ..., input_rank-1]）。

输出

  • **output** (异构) - **T**

    填充后的张量。

类型约束

  • **T** in ( 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) )

    将输入和输出类型约束为 IRv11 之前的所有张量类型。

  • **Tind** in ( tensor(int32), tensor(int64) )

    将索引约束为整数类型

填充 - 21

版本

  • **名称**: 填充 (GitHub)

  • **域**: main

  • **自版本**: 21

  • **函数**: False

  • **支持级别**: SupportType.COMMON

  • **形状推断**: True

此版本的算子**自版本 21**起可用。

摘要

给定一个包含要填充的数据的张量（data），一个包含每个轴的起始和结束填充值的张量（pads），（可选）一个mode，以及（可选）constant_value，生成一个填充后的张量（output）。

三种受支持的modes是（类似于numpy.pad支持的相应模式）

  1. constant（默认） - 使用constant_value指定的给定常数值进行填充（默认为 0、空字符串或 False）

  2. reflect - 使用沿每个轴的向量在第一个和最后一个值上镜像的向量的反射进行填充

  3. edge - 使用数组的边缘值进行填充

  4. wrap - 将数据张量视为环面进行环绕填充

示例 1（constant模式）

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]

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 - 字符串**（默认为'constant'）

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

输入

2 到 4 个输入。

  • **data** (异构) - **T**

    输入张量。

  • **pads** (异构) - **tensor(int64)**

    整数张量，指示在每个轴的开头和结尾添加或删除（如果为负）的填充元素的数量。对于 2D 输入张量，它是像素的数量。pads应为形状为 [2 * num_axes] 的 1D 张量，其中num_axes指的是axes输入中的元素数量，或者如果未显式提供axes，则为输入秩。pads格式应为：[x1_begin, x2_begin, …, x1_end, x2_end,…], 其中 xi_begin 是添加到轴axes[i]开头处的填充值的个数，而 xi_end 是添加到轴axes[i]结尾处的填充值的个数。

  • **constant_value** (可选，异构) - **T**

    （可选）如果选择的模式为constant，则使用一个标量值（默认为 0、空字符串或 False）。

  • **axes** (可选，异构) - **Tind**

    1-D 张量，表示pads应用到的轴。负值表示从后往前计算维度。接受的范围是 [-r, r-1]，其中 r = rank(data)。如果某个轴重复，则行为未定义。如果未提供，则假定所有轴（[0, 1, ..., input_rank-1]）。

输出

  • **output** (异构) - **T**

    填充后的张量。

类型约束

  • T in ( 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) )

    将输入和输出类型约束为IRv10版本的所有张量类型。

  • **Tind** in ( tensor(int32), tensor(int64) )

    将索引约束为整数类型

Pad - 19

版本

  • **名称**: 填充 (GitHub)

  • **域**: main

  • since_version: 19

  • **函数**: False

  • **支持级别**: SupportType.COMMON

  • **形状推断**: True

此版本的算子**自版本19**起可用。

摘要

给定一个包含要填充的数据的张量（data），一个包含每个轴的起始和结束填充值的张量（pads），（可选）一个mode，以及（可选）constant_value，生成一个填充后的张量（output）。

三种受支持的modes是（类似于numpy.pad支持的相应模式）

  1. constant（默认） - 使用constant_value指定的给定常数值进行填充（默认为 0、空字符串或 False）

  2. reflect - 使用沿每个轴的向量在第一个和最后一个值上镜像的向量的反射进行填充

  3. edge - 使用数组的边缘值进行填充

  4. wrap - 将数据张量视为环面进行环绕填充

示例 1（constant模式）

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]

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 - 字符串**（默认为'constant'）

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

输入

2 到 4 个输入。

  • **data** (异构) - **T**

    输入张量。

  • **pads** (异构) - **tensor(int64)**

    整数张量，指示在每个轴的开头和结尾添加或删除（如果为负）的填充元素的数量。对于 2D 输入张量，它是像素的数量。pads应为形状为 [2 * num_axes] 的 1D 张量，其中num_axes指的是axes输入中的元素数量，或者如果未显式提供axes，则为输入秩。pads格式应为：[x1_begin, x2_begin, …, x1_end, x2_end,…], 其中 xi_begin 是添加到轴axes[i]开头处的填充值的个数，而 xi_end 是添加到轴axes[i]结尾处的填充值的个数。

  • **constant_value** (可选，异构) - **T**

    （可选）如果选择的模式为constant，则使用一个标量值（默认为 0、空字符串或 False）。

  • **axes** (可选，异构) - **Tind**

    1-D 张量，表示pads应用到的轴。负值表示从后往前计算维度。接受的范围是 [-r, r-1]，其中 r = rank(data)。如果某个轴重复，则行为未定义。如果未提供，则假定所有轴（[0, 1, ..., input_rank-1]）。

输出

  • **output** (异构) - **T**

    填充后的张量。

类型约束

  • T in ( 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) )

    将输入和输出类型约束为所有张量类型。

  • **Tind** in ( tensor(int32), tensor(int64) )

    将索引约束为整数类型

Pad - 18

版本

  • **名称**: 填充 (GitHub)

  • **域**: main

  • since_version: 18

  • **函数**: False

  • **支持级别**: SupportType.COMMON

  • **形状推断**: True

此版本的算子**自版本18**起可用。

摘要

给定一个包含要填充的数据的张量（data），一个包含每个轴的起始和结束填充值的张量（pads），（可选）一个mode，以及（可选）constant_value，生成一个填充后的张量（output）。

三种受支持的modes是（类似于numpy.pad支持的相应模式）

  1. constant（默认） - 使用constant_value指定的给定常数值进行填充（默认为 0、空字符串或 False）

  2. reflect - 使用沿每个轴的向量在第一个和最后一个值上镜像的向量的反射进行填充

  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。

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 - 字符串**（默认为'constant'）

    支持的模式：constant（默认）、reflect、edge

输入

2 到 4 个输入。

  • **data** (异构) - **T**

    输入张量。

  • **pads** (异构) - **tensor(int64)**

    整数张量，指示在每个轴的开头和结尾添加或删除（如果为负）的填充元素的数量。对于 2D 输入张量，它是像素的数量。pads应为形状为 [2 * num_axes] 的 1D 张量，其中num_axes指的是axes输入中的元素数量，或者如果未显式提供axes，则为输入秩。pads格式应为：[x1_begin, x2_begin, …, x1_end, x2_end,…], 其中 xi_begin 是添加到轴axes[i]开头处的填充值的个数，而 xi_end 是添加到轴axes[i]结尾处的填充值的个数。

  • **constant_value** (可选，异构) - **T**

    （可选）如果选择的模式为constant，则使用一个标量值（默认为 0、空字符串或 False）。

  • **axes** (可选，异构) - **Tind**

    1-D 张量，表示pads应用到的轴。负值表示从后往前计算维度。接受的范围是 [-r, r-1]，其中 r = rank(data)。如果某个轴重复，则行为未定义。如果未提供，则假定所有轴（[0, 1, ..., input_rank-1]）。

输出

  • **output** (异构) - **T**

    填充后的张量。

类型约束

  • T in ( 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) )

    将输入和输出类型约束为所有张量类型。

  • **Tind** in ( tensor(int32), tensor(int64) )

    将索引约束为整数类型

Pad - 13

版本

  • **名称**: 填充 (GitHub)

  • **域**: main

  • since_version: 13

  • **函数**: False

  • **支持级别**: SupportType.COMMON

  • **形状推断**: True

此版本的算子**自版本13**起可用。

摘要

给定一个包含要填充的数据的张量（data），一个包含每个轴的起始和结束填充值的张量（pads），（可选）一个mode，以及（可选）constant_value，生成一个填充后的张量（output）。

三种受支持的modes是（类似于numpy.pad支持的相应模式）

  1. constant（默认） - 使用constant_value指定的给定常数值进行填充（默认为 0、空字符串或 False）

  2. reflect - 使用沿每个轴的向量在第一个和最后一个值上镜像的向量的反射进行填充

  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。

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 - 字符串**（默认为'constant'）

    支持的模式：constant（默认）、reflect、edge

输入

2到3个输入。

  • **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。对于二维输入张量，它是像素的数量。pads 应为形状为 [2 * input_rank] 的一维张量。pads 格式应为：[x1_begin, x2_begin,…,x1_end, x2_end,…], 其中 xi_begin 是在轴 i 的开头添加的填充值的数量，而 xi_end 是在轴 i 的结尾添加的填充值的数量。

  • **constant_value** (可选，异构) - **T**

    （可选）如果选择的模式为constant，则使用一个标量值（默认为 0、空字符串或 False）。

输出

  • **output** (异构) - **T**

    填充后的张量。

类型约束

  • T in ( 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) )

    将输入和输出类型约束为所有张量类型。

Pad - 11

版本

  • **名称**: 填充 (GitHub)

  • **域**: main

  • since_version: 11

  • **函数**: False

  • **支持级别**: SupportType.COMMON

  • **形状推断**: True

此版本的算子**自版本11**起可用。

摘要

给定一个包含要填充的数据的张量（data），一个包含每个轴的起始和结束填充值的张量（pads），（可选）一个mode，以及（可选）constant_value，生成一个填充后的张量（output）。

三种受支持的modes是（类似于numpy.pad支持的相应模式）

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

  2. reflect - 使用沿每个轴的向量在第一个和最后一个值上镜像的向量的反射进行填充

  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。

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 - 字符串**（默认为'constant'）

    支持的模式：constant（默认）、reflect、edge

输入

2到3个输入。

  • **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。对于二维输入张量，它是像素的数量。pads 应为形状为 [2 * input_rank] 的一维张量。pads 格式应为：[x1_begin, x2_begin,…,x1_end, x2_end,…], 其中 xi_begin 是在轴 i 的开头添加的填充值的数量，而 xi_end 是在轴 i 的结尾添加的填充值的数量。

  • **constant_value** (可选，异构) - **T**

    （可选）如果选择的模式为 constant，则使用标量值（默认为 0）。

输出

  • **output** (异构) - **T**

    填充后的张量。

类型约束

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

    将输入和输出约束为仅数字类型。

Pad - 2

版本

  • **名称**: 填充 (GitHub)

  • **域**: main

  • since_version: 2

  • **函数**: False

  • **支持级别**: SupportType.COMMON

  • **形状推断**: True

此版本的算子**自版本2**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], ] 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 - 字符串**（默认为'constant'）

    三种模式：constant（默认）、reflect、edge

  • pads - INTS（必需）

    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列表。对于二维，它是像素的数量。pads 的秩应为输入秩的两倍。pads 格式应如下：[x1_begin, x2_begin…x1_end, x2_end,…], 其中 xi_begin 是在轴 i 的开头添加的像素数量，而 xi_end 是在轴 i 的结尾添加的像素数量。

  • value - FLOAT（默认为 '0.0'）

    一个浮点数，指示要填充的值。

输入

  • **data** (异构) - **T**

    输入张量。

输出

  • **output** (异构) - **T**

    填充后的张量。

类型约束

  • T in ( tensor(double), tensor(float), tensor(float16) )

    将输入和输出类型约束为浮点张量。

Pad - 1

版本

  • **名称**: 填充 (GitHub)

  • **域**: main

  • since_version: 1

  • **函数**: False

  • **支持级别**: SupportType.COMMON

  • 形状推断: False

此版本的算子**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 - 字符串**（默认为'constant'）

    三种模式：constant（默认）、reflect、edge

  • paddings - INTS（必需）

    整数列表表示每个轴开始和结束处的填充元素数量，对于二维图像，它是像素数量。paddings 的秩应该是输入秩的两倍。paddings 的格式应如下：[x1_begin, x2_begin…x1_end, x2_end,…], 其中 xi_begin 是在轴 i 的开头添加的像素数量，xi_end 是在轴 i 的末尾添加的像素数量。

  • value - FLOAT（默认为 '0.0'）

    一个浮点数，表示要填充的值，默认为 0。

输入

  • **data** (异构) - **T**

    输入张量。

输出

  • **output** (异构) - **T**

    填充后的张量。

类型约束

  • T in ( tensor(double), tensor(float), tensor(float16) )

    将输入和输出类型约束为浮点张量。