在火炬中，模块= nn.Padding(dim，pad，nInputDim，value，index)，nInputDim做什么？
在火炬中，模块= nn.Padding(dim，pad，nInputDim，value，index)，nInputDim做什么？
提问于 2017-11-22 07:08:15
就像文档所说的“当提供nInputDim时，大于该值的输入将被视为批量，其中实际要填充的dim将是尺寸dim +1。”我的理解是输入的维度比提供的nInputDim大，维度dim会变成dim + 1，但为什么呢？
回答 1
Stack Overflow用户
发布于 2017-11-26 17:09:36
顺便说一下，我认为你提到的文档应该是this link。
假设您想在1(第一个) dim的末尾设置3个默认的零填充，因此您将创建一个填充模块，如下所示：
require 'nn';
dim = 1
pad = 3
module = nn.Padding(dim, pad)
given_tensor = torch.ones(4, 2)
print(given_tensor)
res_tensor = module:forward(given_tensor)
print(res_tensor)如果你在torch解释器中运行这些行，你会得到如下结果，当你将4x2张量转换为7x2张量时，你成功地在1(第一个)维度添加了3个填充。
1 1
1 1
1 1
1 1
[torch.DoubleTensor of size 4x2]
1 1
1 1
1 1
1 1
0 0
0 0
0 0
[torch.DoubleTensor of size 7x2]如果将 nInputDim 指定为1会发生什么情况，如下所示？
require 'nn';
dim = 1
pad = 3
nInputDim = 1
module = nn.Padding(dim, pad, nInputDim)
given_tensor = torch.ones(4, 2)
print(given_tensor)
res_tensor = module:forward(given_tensor)
print(res_tensor)如果你运行它们，你会得到如下结果
1 1
1 1
1 1
1 1
[torch.DoubleTensor of size 4x2]
1 1 0 0 0
1 1 0 0 0
1 1 0 0 0
1 1 0 0 0
[torch.DoubleTensor of size 4x5]你希望nInputDim是1，但你的输入Dim是2，它将第一个维度4作为批量大小，并对批量中的每个项目进行3个填充，它使4个大小的2个张量变成4个大小的5个张量。它的工作原理就像你对张量4x2的2(dim = dim + 1，second)进行3填充，这将输出相同的结果4x5。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47424230
复制相关文章
相似问题
腾讯云开发者
