在两个维度上将零填充到张量答案

【问题标题】：padding zeroes to a tensor on both dimensions在两个维度上将零填充到张量
【发布时间】：2020-01-20 06:46:25
【问题描述】：

我有一个张量 t

我也想成功

我尝试使用 new=torch.tensor([0. 0. 0. 0.]) 张量堆叠四次，但没有奏效。

t = torch.arange(8).reshape(1,4,2).float()
print(t)
new=torch.tensor([[0., 0., 0.,0.]])
print(new)
r = torch.stack([t,new])  # invalid argument 0: Tensors must have same number of dimensions: got 4 and 3
new=torch.tensor([[[0., 0., 0.,0.]]])
print(new)
r = torch.stack([t,new])  # invalid argument 0: Sizes of tensors must match except in dimension 0.

我也试过猫，也没用。

【问题讨论】：

标签： python pytorch tensor zero-padding

【解决方案1】：

最好先初始化所需形状的数组，然后在适当的索引处添加数据。

import torch

t = torch.arange(8).reshape(1,4,2).float()
x = torch.zeros((1, t.shape[1]+2, t.shape[2]+2))
x[:, 1:-1, 1:-1] = t

print(x)

另一方面，如果你只是想用零填充你的张量（而不仅仅是在某处添加额外的零），你可以使用torch.nn.functional.pad：

import torch

t = torch.arange(8).reshape(1, 4, 2).float()
x = torch.nn.functional.pad(t, (1, 1, 1, 1))

print(x)

【讨论】：

这比栈操作好很多。无论如何你知道我在堆栈操作上哪里出错了吗？
是的，你的张量是(1, 4, 2)-形的，所以你不能仅仅将它与一个本质上是(1, 4)-形的张量叠加。首先，您需要使用cat，并删除t 的第一个维度。你可以用一系列复杂的cat来解决它：x = torch.cat([torch.zeros(1, 4), torch.cat([torch.zeros(4, 1), t[0], torch.zeros(4, 1)], 1), torch.zeros(1, 4)])[None, :, :]
你成功了！太棒了。
第二种方法（F.pad）在渐变必须流过时更好。 Torch 给出了一个错误，说明第一种方法的张量就地修改。

【解决方案2】：

可以使用torch.cat 连接张量，得到想要的张量。这是一个完整的例子：

# input tensor
In [98]: at = torch.arange(1, 9).reshape(-1, 2).float()
In [99]: at 
Out[99]: 
tensor([[1., 2.],
        [3., 4.],
        [5., 6.],
        [7., 8.]])

# columns to be padded
In [100]: col_zeros = torch.zeros(at.shape[0]).reshape(-1, 1)      
In [101]: col_zeros   
Out[101]: 
tensor([[0.],
        [0.],
        [0.],
        [0.]])

# rows to be padded
In [102]: row_zeros = torch.zeros(at.shape[1]+2).reshape(1, -1)   
In [103]: row_zeros 
Out[103]: tensor([[0., 0., 0., 0.]])

让我们先填充列：

# the order in the list of tensors matter.
# since we want a zero column on both sides, we place the input tensor in the middle
# and pad the `col_zeros` on both sides (i.e. along dimension=1)
In [104]: col_padded = torch.cat([col_zeros, at, col_zeros], dim=1) 
In [105]: col_padded     
Out[105]: 
tensor([[0., 1., 2., 0.],
        [0., 3., 4., 0.],
        [0., 5., 6., 0.],
        [0., 7., 8., 0.]])

接下来，让我们填充行：

# here we pad the `row_zeros` on the upper and lower sides (i.e. along dimension=0)
# placing the already `col_padded` tensor in the middle of the list of tensors
In [106]: final_padded = torch.cat([row_zeros, col_padded, row_zeros], dim=0)  
In [107]: final_padded      
Out[107]: 
tensor([[0., 0., 0., 0.],
        [0., 1., 2., 0.],
        [0., 3., 4., 0.],
        [0., 5., 6., 0.],
        [0., 7., 8., 0.],
        [0., 0., 0., 0.]])

【讨论】：