Python TensorFlow如何用边值填充tensor

如何用边值填充张量（尺寸为WxHxC）

例如：

[1, 2, 3]
[4, 5, 6]
[7, 8, 9]

变成：

[1, 1, 2, 3, 3]
[1, 1, 2, 3, 3]
[4, 4, 5, 6, 6]
[7, 7, 8, 9, 9]
[7, 7, 8, 9, 9]

使用和模式“对称”-它将反映边上的值，但如果只进行1个深度填充，则相当于重复边值。如果需要更多的填充，则必须重复该操作，但可以按指数（先是1，然后是2，然后是4，以此类推）。此代码（已测试）：

将tensorflow导入为tf
a=tf.重塑（tf.常数（范围（1,10）），（3,3））
b=tf.pad（a，[[1,1]，[1,1]]，“对称”）
使用tf.Session（）作为sess：
打印（sess.run（b））

产出：

[[1 2 3]
[1 2 3 3]
[4 4 5 6]
[7 7 8 9]
[7 7 8 9]]

根据需要。

使用和模式“对称”-它将反映边缘上的值，但如果只进行1次深度填充，则相当于重复边缘值。如果需要更多的填充，则必须重复该操作，但可以按指数（先是1，然后是2，然后是4，以此类推）。此代码（已测试）：

将tensorflow导入为tf
a=tf.重塑（tf.常数（范围（1,10）），（3,3））
b=tf.pad（a，[[1,1]，[1,1]]，“对称”）
使用tf.Session（）作为sess：
打印（sess.run（b））

产出：

[[1 2 3]
[1 2 3 3]
[4 4 5 6]
[7 7 8 9]
[7 7 8 9]]

---

根据需要。

作为补充，如果您想使用复制模式（如opencv）填充图像，以下方法可以做到，dst_图像就是要填充的图像。pad_h_向上，pad_向下，pad_w_向左，pad_w_向右，是四个参数：

def pad_replica(image_pad, up,down, left, right):
    paddings_up = tf.constant([[1, 0],[0,0],[0,0]])
    paddings_down = tf.constant([[0, 1],[0,0],[0,0]])
    paddings_left = tf.constant([[0, 0],[1,0],[0,0]])
    paddings_right = tf.constant([[0, 0],[0, 1],[0 ,0]])
    i = tf.constant(0)
    c = lambda i,pad_len,pad_mode, image: tf.less(i, pad_len)
    def body(i,pad_len,pad_mode,image):
        i = i+1
        image = tf.pad(image, pad_mode,"SYMMETRIC")
        return [i, pad_len,pad_mode, image]
    [_, _, _, image_pad_up] = tf.while_loop(c, body, \
                                          [i, up, paddings_up, image_pad])
    i = tf.constant(0)
    [_, _, _, image_pad_down] = tf.while_loop(c, body, [i, down,paddings_down, image_pad_up])
    i = tf.constant(0)
    [_, _, _, image_pad_left] = tf.while_loop(c, body, [i, left, paddings_left, image_pad_down])
    i = tf.constant(0)
    [_, _, _, image_pad_right] = tf.while_loop(c, body, [i, right,paddings_right, image_pad_left])
    i = tf.constant(0)
    return image_pad_right
dst_image.set_shape([None, None, None])
dst_image = pad_replica(dst_image,\
             tf.cast(pad_h_up, tf.int32),\
            tf.cast(pad_h_down,tf.int32),\
            tf.cast(pad_w_left, tf.int32),\
            tf.cast(pad_w_right,tf.int32)
            )

---

作为补充，如果您想使用复制模式（如opencv）填充图像，下面的方法可以做到，dst_图像就是要填充的图像。pad_h_向上，pad_向下，pad_w_向左，pad_w_向右，是四个参数：

def pad_replica(image_pad, up,down, left, right):
    paddings_up = tf.constant([[1, 0],[0,0],[0,0]])
    paddings_down = tf.constant([[0, 1],[0,0],[0,0]])
    paddings_left = tf.constant([[0, 0],[1,0],[0,0]])
    paddings_right = tf.constant([[0, 0],[0, 1],[0 ,0]])
    i = tf.constant(0)
    c = lambda i,pad_len,pad_mode, image: tf.less(i, pad_len)
    def body(i,pad_len,pad_mode,image):
        i = i+1
        image = tf.pad(image, pad_mode,"SYMMETRIC")
        return [i, pad_len,pad_mode, image]
    [_, _, _, image_pad_up] = tf.while_loop(c, body, \
                                          [i, up, paddings_up, image_pad])
    i = tf.constant(0)
    [_, _, _, image_pad_down] = tf.while_loop(c, body, [i, down,paddings_down, image_pad_up])
    i = tf.constant(0)
    [_, _, _, image_pad_left] = tf.while_loop(c, body, [i, left, paddings_left, image_pad_down])
    i = tf.constant(0)
    [_, _, _, image_pad_right] = tf.while_loop(c, body, [i, right,paddings_right, image_pad_left])
    i = tf.constant(0)
    return image_pad_right
dst_image.set_shape([None, None, None])
dst_image = pad_replica(dst_image,\
             tf.cast(pad_h_up, tf.int32),\
            tf.cast(pad_h_down,tf.int32),\
            tf.cast(pad_w_left, tf.int32),\
            tf.cast(pad_w_right,tf.int32)
            )

---

伟大的谢谢！：）当然，不客气！增加了另一句话，告诉大家如果你需要更多的填充物该怎么做。太好了！谢谢！：）当然，不客气！增加了另一句话，让你知道如果你需要更多的填充物该怎么做。