一维中的 PyTorch 圆形填充答案

【问题标题】：PyTorch Circular Padding in one Dimension一维中的 PyTorch 圆形填充
【发布时间】：2021-01-29 18:24:46
【问题描述】：

对于卷积，我想在一维应用圆形填充，在所有其他维度应用零填充。我该怎么做？

对于卷积，有 28 个通道，并且数据在球形箱中描述。半径乘以 20 个容器，极地乘以 20 个容器，倾角乘以 20 个容器。圆形填充仅应用于倾斜。

小例子

# Example:
x = torch.tensor([[1,2,3],
                  [4,5,6],
                  [7,8,9]])
y = sphere_pad(x, pad=(0, 1))

# y is now tensor([[3, 1, 2, 3, 1],
#                  [6, 4, 5, 6, 4],
#                  [9, 7, 8, 9, 7]])

我已尝试申请

def sphere_pad(x, pad=(1,1)):
    return x.repeat(*x.shape)[
        (x.shape[0]-pad[0]):(2*x.shape[0]+pad[0]), 
        (x.shape[1]-pad[1]):(2*x.shape[1]+pad[1])]

然后应用具有正常零填充的卷积（并且在最后一维中没有填充）。这适用于一个小例子，但这种方法超出了实际问题大小的 GPU 内存。还有其他方法吗？

【问题讨论】：

标签： python machine-learning pytorch torch

【解决方案1】：

使用 numpy，您可以进行 wrap 填充，以便数组沿第二个轴包裹：

np.pad(x, ((0,0),(1,1)), mode='wrap')
array([[3, 1, 2, 3, 1],
       [6, 4, 5, 6, 4],
       [9, 7, 8, 9, 7]])

【讨论】：

谢谢你这对第一层非常有效，但我想知道这是否也可以用于其他层的 autograd？

【解决方案2】：

此功能由#17240 添加。但是，由于某些（奇怪的）原因，圆形填充仅受 3D、4D 和 5D 张量支持。如果你已经有一个 2D 张量，你需要在直接在 pytorch 中将其转换为 3D 之前：

>>> a = torch.randint(0, 9, (1, 3, 3))
>>> a
tensor([[[4, 2, 5],
         [2, 2, 8],
         [3, 2, 8]]])
>>> F.pad(a, (1, 1), mode='circular')
tensor([[[5, 4, 2, 5, 4],
         [8, 2, 2, 8, 2],
         [8, 3, 2, 8, 3]]])

【讨论】：