PyTorch中如何实现边缘填充操作？

本文共计1095个文字，预计阅读时间需要5分钟。

简介+我们知道，在对图像执行卷积操作时，如果不对图像边缘进行填充，卷积核将无法达到图像边缘的像素，从而导致前后图像尺寸发生变化，这可能会造成较多误差。因此，目前各种方法都采用了填充策略来解决这个问题。

简介

我们知道，在对图像执行卷积操作时，如果不对图像边缘进行填充，卷积核将无法到达图像边缘的像素，而且卷积前后图像的尺寸也会发生变化，这会造成许多麻烦。

因此现在各大深度学习框架的卷积层实现上基本都配备了padding操作，以保证图像输入输出前后的尺寸大小不变。例如，若卷积核大小为3x3，那么就应该设定padding=1，即填充1层边缘像素；若卷积核大小为7x7，那么就应该设定padding=3，填充3层边缘像素；也就是padding大小一般设定为核大小的一半。在pytorch的卷积层定义中，默认的padding为零填充。

self.conv = nn.Conv2d(in_channels=3, out_channels=3, kernel_size=7, padding=3)

padding的种类及其pytorch定义

padding，即边缘填充，可以分为四类：零填充，常数填充，镜像填充，重复填充。