Pad¶

Pad - 23¶

版本¶

**名称**: Pad (GitHub)
**域**: main
**起始版本**: 23
**函数**: False
**支持级别**: SupportType.COMMON
**形状推断**: True

此版本的运算符已可用 **自版本 23 起**。

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数量的张量 (pads)，（可选地）一个 mode，以及（可选地）constant_value，将生成一个填充后的张量 (output)。

支持的三种 mode 是（类似于 numpy.pad 支持的对应模式）

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）
reflect - 沿每个轴使用向量的第一个和最后一个值的镜像反射进行填充
edge - 使用数组的边缘值进行填充
wrap - 环绕填充，就像数据张量形成一个圆环

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)**

一个整数张量，指示在每个轴的开始和结束处添加或移除（如果为负）的填充元素的数量。对于 2D 输入张量，它是像素数量。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，或者在未明确提供 axes 时指输入的秩。pads 的格式应为：[x1_begin, x2_begin, …, x1_end, x2_end,…]，其中 xi_begin 是在轴 axes[i] 的开头添加的填充值数量，xi_end 是在轴 axes[i] 的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（默认为 0、空字符串或 False）。
**axes**（可选，异构）- **Tind**

pads 应用的轴的 1-D 张量。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，行为未定义。如果未提供，则假定为所有轴 ([0, 1, ..., input_rank-1])。

输出¶

**output**（异构）- **T**

填充后的张量。

类型约束¶

**T** 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) ) 中

将输入和输出类型约束为所有截至 IRv11 的张量类型。
**Tind** 在 ( tensor(int32), tensor(int64) ) 中

将索引约束为整数类型

Pad - 21 对比 23

Pad - 21¶

版本¶

**名称**: Pad (GitHub)
**域**: main
**起始版本**: 21
**函数**: False
**支持级别**: SupportType.COMMON
**形状推断**: True

此版本的运算符已可用 **自版本 21 起**。

摘要¶

支持的三种 mode 是（类似于 numpy.pad 支持的对应模式）

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）
reflect - 沿每个轴使用向量的第一个和最后一个值的镜像反射进行填充
edge - 使用数组的边缘值进行填充
wrap - 环绕填充，就像数据张量形成一个圆环

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)**

一个整数张量，指示在每个轴的开始和结束处添加或移除（如果为负）的填充元素的数量。对于 2D 输入张量，它是像素数量。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，或者在未明确提供 axes 时指输入的秩。pads 的格式应为：[x1_begin, x2_begin, …, x1_end, x2_end,…]，其中 xi_begin 是在轴 axes[i] 的开头添加的填充值数量，xi_end 是在轴 axes[i] 的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（默认为 0、空字符串或 False）。
**axes**（可选，异构）- **Tind**

pads 应用的轴的 1-D 张量。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，行为未定义。如果未提供，则假定为所有轴 ([0, 1, ..., input_rank-1])。

输出¶

**output**（异构）- **T**

填充后的张量。

类型约束¶

**T** 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) ) 中

将输入和输出类型约束为所有截至 IRv10 的张量类型。
**Tind** 在 ( tensor(int32), tensor(int64) ) 中

将索引约束为整数类型

Pad - 19¶

版本¶

**名称**: Pad (GitHub)
**域**: main
**起始版本**: 19
**函数**: False
**支持级别**: SupportType.COMMON
**形状推断**: True

此版本的运算符已可用 **自版本 19 起**。

摘要¶

支持的三种 mode 是（类似于 numpy.pad 支持的对应模式）

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）
reflect - 沿每个轴使用向量的第一个和最后一个值的镜像反射进行填充
edge - 使用数组的边缘值进行填充
wrap - 环绕填充，就像数据张量形成一个圆环

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)**

一个整数张量，指示在每个轴的开始和结束处添加或移除（如果为负）的填充元素的数量。对于 2D 输入张量，它是像素数量。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，或者在未明确提供 axes 时指输入的秩。pads 的格式应为：[x1_begin, x2_begin, …, x1_end, x2_end,…]，其中 xi_begin 是在轴 axes[i] 的开头添加的填充值数量，xi_end 是在轴 axes[i] 的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（默认为 0、空字符串或 False）。
**axes**（可选，异构）- **Tind**

pads 应用的轴的 1-D 张量。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，行为未定义。如果未提供，则假定为所有轴 ([0, 1, ..., input_rank-1])。

输出¶

**output**（异构）- **T**

填充后的张量。

类型约束¶

**T** 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) ) 中

将输入和输出类型约束为所有张量类型。
**Tind** 在 ( tensor(int32), tensor(int64) ) 中

将索引约束为整数类型

Pad - 18¶

版本¶

**名称**: Pad (GitHub)
**域**: main
**起始版本**: 18
**函数**: False
**支持级别**: SupportType.COMMON
**形状推断**: True

此版本的运算符已可用 **自版本 18 起**。

摘要¶

支持的三种 mode 是（类似于 numpy.pad 支持的对应模式）

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）
reflect - 沿每个轴使用向量的第一个和最后一个值的镜像反射进行填充
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)**

一个整数张量，指示在每个轴的开始和结束处添加或移除（如果为负）的填充元素的数量。对于 2D 输入张量，它是像素数量。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，或者在未明确提供 axes 时指输入的秩。pads 的格式应为：[x1_begin, x2_begin, …, x1_end, x2_end,…]，其中 xi_begin 是在轴 axes[i] 的开头添加的填充值数量，xi_end 是在轴 axes[i] 的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（默认为 0、空字符串或 False）。
**axes**（可选，异构）- **Tind**

pads 应用的轴的 1-D 张量。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，行为未定义。如果未提供，则假定为所有轴 ([0, 1, ..., input_rank-1])。

输出¶

**output**（异构）- **T**

填充后的张量。

类型约束¶

**T** 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) ) 中

将输入和输出类型约束为所有张量类型。
**Tind** 在 ( tensor(int32), tensor(int64) ) 中

将索引约束为整数类型

Pad - 13¶

版本¶

**名称**: Pad (GitHub)
**域**: main
**起始版本**: 13
**函数**: False
**支持级别**: SupportType.COMMON
**形状推断**: True

此版本的运算符已可用 **自版本 13 起**。

摘要¶

支持的三种 mode 是（类似于 numpy.pad 支持的对应模式）

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）
reflect - 沿每个轴使用向量的第一个和最后一个值的镜像反射进行填充
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)**

一个整数张量，指示在每个轴的开始和结束处添加或移除（如果为负）的填充元素的数量。对于 2D 输入张量，它是像素数量。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 的开头添加的填充值数量，xi_end 是在轴 i 的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** 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) ) 中

将输入和输出类型约束为所有张量类型。

Pad - 11¶

版本¶

**名称**: Pad (GitHub)
**域**: main
**起始版本**: 11
**函数**: False
**支持级别**: SupportType.COMMON
**形状推断**: True

此版本的运算符已可用 **自版本 11 起**。

摘要¶

支持的三种 mode 是（类似于 numpy.pad 支持的对应模式）

constant（默认）- 使用 constant_value 指定的给定常数值进行填充（默认为 0）
reflect - 沿每个轴使用向量的第一个和最后一个值的镜像反射进行填充
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)**

一个整数张量，指示在每个轴的开始和结束处添加或移除（如果为负）的填充元素的数量。对于 2D 输入张量，它是像素数量。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 的开头添加的填充值数量，xi_end 是在轴 i 的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（默认为 0）。

输出¶

**output**（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) ) 中

将输入和输出约束为仅数值类型。

Pad - 2¶

版本¶

**名称**: Pad (GitHub)
**域**: main
**起始版本**: 2
**函数**: False
**支持级别**: SupportType.COMMON
**形状推断**: True

此版本的运算符已可用 **自版本 2 起**。

摘要¶

给定 data 张量、pads、mode 和 value。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 - 整数列表**（必需）

一个整数列表，指示在每个轴的开始和结束处添加或移除（如果为负）的填充元素的数量。对于 2D，它是像素数量。pads 的秩应为输入秩的两倍。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 的开头添加的像素数量，xi_end 是在轴 i 的结尾添加的像素数量。
**value - 浮点数**（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** 在 ( tensor(double), tensor(float), tensor(float16) ) 中

将输入和输出类型约束为浮点张量。

Pad - 1¶

版本¶

**名称**: Pad (GitHub)
**域**: main
**起始版本**: 1
**函数**: False
**支持级别**: SupportType.COMMON
**形状推断**: False

此版本的运算符已可用 **自版本 1 起**。

摘要¶

给定 data 张量、paddings、mode 和 value。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 - 整数列表**（必需）

一个整数列表，指示在每个轴的开始和结束处的填充元素数量，对于 2D，它是像素数量。paddings 的秩应为输入秩的两倍。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 的开头添加的像素数量，xi_end 是在轴 i 的结尾添加的像素数量。
**value - 浮点数**（默认为 '0.0'）

一个浮点数，指示要填充的值，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** 在 ( tensor(double), tensor(float), tensor(float16) ) 中

将输入和输出类型约束为浮点张量。