torch.nn.ReflectionPad2d(padding)这个函数简单来说就是：利用输入边界的反射来填充输入张量。

官方文档里给了该padding的输入输出如下所示：

CLASS torch.nn.ReflectionPad2d(padding: Union[T, Tuple[T, T, T, T]])

• Input: $(N,C,H_{in},W_{in})$

• Output: $(N,C,H_{out},W_{out})$where

  KaTeX parse error: Expected '}', got '_' at position 33: …+ \text{padding_̲top} + \text{pa…

  KaTeX parse error: Expected '}', got '_' at position 33: …+ \text{padding_̲left} + \text{p…

官方文档比较简单，我们先直接看代码：

import torch
import torch.nn as nnm = nn.ReflectionPad2d(1)
input = torch.arange(9, dtype=torch.float).reshape(1, 1, 3, 3)
input
-------
tensor([[[[0., 1., 2.],[3., 4., 5.],[6., 7., 8.]]]])
----------------------------
m(input)
-----
tensor([[[[4., 3., 4., 5., 4.],[1., 0., 1., 2., 1.],[4., 3., 4., 5., 4.],[7., 6., 7., 8., 7.],[4., 3., 4., 5., 4.]]]])
------------------------------
n = nn.ReflectionPad2d(2)
n(input)
-------
tensor([[[[8., 7., 6., 7., 8., 7., 6.],[5., 4., 3., 4., 5., 4., 3.],[2., 1., 0., 1., 2., 1., 0.],[5., 4., 3., 4., 5., 4., 3.],[8., 7., 6., 7., 8., 7., 6.],[5., 4., 3., 4., 5., 4., 3.],[2., 1., 0., 1., 2., 1., 0.]]]])
-------------------------------
m = nn.ReflectionPad2d((1, 1, 2, 0))
m(input)
-----
tensor([[[[8., 7., 6., 7., 8., 7., 6.],[5., 4., 3., 4., 5., 4., 3.],[2., 1., 0., 1., 2., 1., 0.],[5., 4., 3., 4., 5., 4., 3.],[8., 7., 6., 7., 8., 7., 6.],[5., 4., 3., 4., 5., 4., 3.],[2., 1., 0., 1., 2., 1., 0.]]]])

1. 填充一个整数

从上面的例子看，填充的值就是对应边界旁边的值按填充参数反射过去，即反射填充。

填充顺序是左-右-上-下，

在nn.ReflectionPad2d((1, 1, 2, 0))中，这几个数字表示左右上下分别要填充的层数。我们画图表示更清楚，如下：

几幅图已经比较清楚的表达了该padding方法的过程。

Note: padding的大小要小于输入的大小

Reference：

几幅图已经比较清楚的表达了该padding方法的过程。

Note: padding的大小要小于输入的大小

Reference：

PyTorch: REFLECTIONPAD2D