说一下我理解的tf.pad()，先来看一下定义：
def pad(tensor, paddings, mode="CONSTANT", name=None, constant_values=0):
什么意思呢？目的就是对输入tensor进行扩展，那么扩展的宽度就由paddings来控制了；至于mode和constant_values则表示对tensor扩展时填充的方式。
一维tensor扩展:
import tensorflow as tftensor = tf.constant([[1, 2, 3]])paddings = tf.constant([[1, 2], [3, 4]])result = tf.pad(tensor, paddings)with tf.Session() as sess: print(sess.run(result))
[[0 0 0 0 0 0 0 0 0 0] [0 0 0 1 2 3 0 0 0 0] [0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0]]
从输出结果可以看出，对一维矩阵[[1, 2, 3]]（其实还是二维的）四个方向进行扩展，paddings=[[1, 2], [3, 4]]分别就对应着上、下、左、右四个边界扩展的宽度；
二维tensor扩展:
import tensorflow as tftensor = tf.constant([[1, 2], [3, 4]])paddings = tf.constant([[1, 2], [3, 4]])result = tf.pad(tensor, paddings)with tf.Session() as sess: print(sess.run(result))
[[0 0 0 0 0 0 0 0 0] [0 0 0 1 2 0 0 0 0] [0 0 0 3 4 0 0 0 0] [0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0]]
同上；
三维tensor扩展:
import tensorflow as tftensor = tf.constant([[[1, 2, 3], [3, 4, 5]], [[5, 6, 7], [7, 8, 9]]]) # shape: (2, 2, 3)paddings = tf.constant([[1, 2], [3, 4], [5, 6]])result = tf.pad(tensor, paddings)with tf.Session() as sess: print(tensor.shape) # shape: (2, 2, 3) print(sess.run(result)) print(result.shape) # shape: (5, 9, 14)
输出结果如下：
paddings是一个\(3\times 2\)的矩阵，第一行[1, 2]表示对tensor的第一个维度进行扩展；第二行[3, 4]对tensor的第二个维度进行扩展；第三行[5, 6]对tensor的第三个维度进行扩展；
可以看到，paddings的要求都是\(N\times 2\)的矩阵，其中\(N\)可能就是与tensor的维度相关了吧。
[[[0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0]] [[0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 1 2 3 0 0 0 0 0 0] [0 0 0 0 0 3 4 5 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0]] [[0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 5 6 7 0 0 0 0 0 0] [0 0 0 0 0 7 8 9 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0]] [[0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0]] [[0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0]]]
参数mode
tf.pad()方法提供了三种填充tensor的方式：
mode="CONSTNAT", constant_values=0: 默认，以常数值0来填充；mode="REFLECT"mode="SYMMETRIC"
不同mode对tensor的shape有着不同的要求。