在卷积神经网络中，有使用设置padding的参数，配合卷积步长，可以使得卷积后的特征图尺寸大小不发生改变，那么在手动实现图片或特征图的边界零填充时，常用的函数是nn.ZeroPad2d(),可以指定tensor的四个方向上的填充，比如左边添加1dim、右边添加2dim、上边添加3dim、下边添加4dim，即指定paddin参数为（1，2，3，4），本文中代码设置的是（3，4，5，6）如下：

import torch.nn as nn
import cv2
import torchvision
from torchvision.utils import save_image
def same_padding(img):
    toTensor=torchvision.transforms.ToTensor()
    img=cv2.imread(img)#获得的是（H,W,C)
    img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#转换成正常的RGB通道
    print("img_cv2 shape:",img.shape)
    img_tensor=toTensor(img)#转成tensor后是(C,H,W)
    print("img_tensor shape:",img_tensor.shape)
    pad=nn.ZeroPad2d(padding=(3,4,5,6))

    img_padding=pad(img_tensor)
    print("img_padding shape:",img_padding.shape)
    save_image(img_padding,'img_padding.jpg')#将tensor格式的图片，直接保存成图片
same_padding('bird.jpg')

代码中需要注意的是，必须要将图片数据转换成tensor数据类型的才可以使用nn.zeroPad2d()函数
为了凸显效果图：我们将设置大尺度的0填充

nn.ZeroPad2d(padding=(100,30,60,60))

知识点扩展：pytorch零填充函数ZeroPad2d作用

pytorch中最常用的零填充函数是nn.ZeroPad2d，也就是对Tensor使用0进行边界填充，我们可以指定tensor的四个方向上的填充数，比如左边添加1dim、右边添加2dim、上边添加3dim、下边添加4dim，即指定paddin参数为（1，2，3，4），如下：

pad = nn.ZeroPad2d(padding=(1, 2, 3, 4))
y = pad(x)
得到的y是x在四个方向上按照（1，2，3，4）进行的补零操作，如下图：

到此这篇关于pytorch中的nn.ZeroPad2d()零填充函数实例详解的文章就介绍到这了,更多相关pytorch 零填充函数内容请搜索python博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持python博客！