PadV2

产品支持情况

产品	是否支持
Ascend 950PR/Ascend 950DT	√
Atlas A3 训练系列产品/Atlas A3 推理系列产品	√
Atlas A2 训练系列产品/Atlas A2 推理系列产品	√
Atlas 200I/500 A2 推理产品	√
Atlas 推理系列产品	√
Atlas 训练系列产品	√

功能说明

• 算子功能：对输入 tensor 进行指定值的常量填充。

• 示例：

  输入 tensor([[0,1,2]])
  paddings([[2,2]])
  constant_values(0)
  
  输出为([[0,0,0,1,2,0,0]])
  

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
x	输入	待进行填充的原始 tensor。	FLOAT、FLOAT16、INT32、INT64、INT16、INT8、UINT8、UINT16、UINT32、UINT64、BOOL、DOUBLE、COMPLEX64、COMPLEX128、BFLOAT16、HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0、FLOAT4_E2M1、FLOAT4_E1M2。	ND
paddings	输入	填充配置，shape=[N, 2]，其中 N 为 x 的维度数。	INT32、INT64	ND
constant_values	输入	填充常量值，标量 tensor。	FLOAT、FLOAT16、INT32、INT64、INT16、INT8、UINT8、UINT16、UINT32、UINT64、BOOL、DOUBLE、COMPLEX64、COMPLEX128、BFLOAT16、HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0、FLOAT4_E2M1、FLOAT4_E1M2。	ND
y	输出	填充后的 tensor。	FLOAT、FLOAT16、INT32、INT64、INT16、INT8、UINT8、UINT16、UINT32、UINT64、BOOL、DOUBLE、COMPLEX64、COMPLEX128、BFLOAT16、HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0、FLOAT4_E2M1、FLOAT4_E1M2。	ND

• Atlas 训练系列产品、Atlas 推理系列产品、Atlas 200I/500 A2 推理产品：数据类型不支持BFLOAT16、HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0、FLOAT4_E2M1、FLOAT4_E1M2。
• Atlas A3 训练系列产品/Atlas A3 推理系列产品、Atlas A2 训练系列产品/Atlas A2 推理系列产品：数据类型不支持 HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0、FLOAT4_E2M1、FLOAT4_E1M2。

输出 shape 计算

y.shape[d] = x.shape[d] + paddings[d][0] + paddings[d][1]

约束说明

1. 维度约束：

   • x 的维度数必须在 [1, 8] 范围内
   • paddings 的第一维必须等于 x 的维度数
   • paddings 的第二维必须等于 2

2. 数据类型约束：

   • x、constant_values、y 必须使用相同的数据类型
   • paddings 必须使用 INT32 或 INT64

3. 填充约束：

   • 负填充（slice）时，输出 shape = x.shape[d] + left + right >= 0

4. paddings 参数约束

   • paddings 的形状必须为 [rank, 2]，其中 rank 为输入 x 的维度数（1~8）
   • 每一行 [left, right] 表示对应维度的填充数量
     • left: 在该维度的开头填充的元素数
     • right: 在该维度的末尾填充的元素数
   • paddings的值可以为：
     • 正数：表示填充
     • 负数：表示 slice（裁剪）
     • 零：表示不填充

调用说明

调用方式	调用样例	说明
aclnn 调用	test_geir_pad_v2.cpp	通过 算子IR 接口方式调用 PadV2 算子