如何将张量填充至指定高度？MediaPipe动作识别代码原理咨询

我用MediaPipe关键点做动作识别，部分张量形状如下：

torch.Size([3, 3, 75]) torch.Size([3, 6, 75]) torch.Size([3, 10, 75])
torch.Size([3, 11, 75]) torch.Size([3, 9, 75]) torch.Size([3, 4, 75])
torch.Size([3, 21, 75])

每个张量的第二维度（height）对应样本帧数，不同样本的帧数存在差异。我想把所有样本统一为8帧，清楚帧数不足8需要填充、超过8需要截断，但我写的代码不管height小于还是大于8都执行填充操作，而且实际运行有效，想搞懂这段代码的工作原理：

if height < 8:
    source_pad = F.pad(tensor1, pad=(0, 0, 0, 8 - height))
else:
    source_pad = F.pad(tensor1, pad=(0,0, 0, 8 - height))

代码工作原理拆解 #

1. PyTorch F.pad的参数规则
   对于3维张量，pad=(a,b,c,d,e,f)的填充/截断逻辑是从后往前对应维度：

   • 最后一维（你的张量里是75维的关键点特征）：前填充a个、后填充b个
   • 中间维度（你的张量里是帧数维度）：前填充c个、后填充d个
   • 第一维度：前填充e个、后填充f个

2. 你的代码参数分析
   你写的pad=(0,0,0,8-height)，对应到3维张量的处理：

   • 最后一维：前后都填0，等于完全不处理
   • 中间帧数维度：前面填0，后面填8-height个元素

3. 两种场景的实际效果

   • 当height < 8时：8-height是正数，会在帧数维度的末尾填充对应数量的默认值（通常是0），把帧数补到8，完成填充需求。
   • 当height > 8时：8-height是负数，此时F.pad会把负数识别为截断指令——对帧数维度的末尾截断height-8个元素，最终只保留前8帧，刚好实现截断需求。

4. 冗余的if-else分支
   你代码里的if和else分支执行的是完全一样的逻辑，所以这个判断完全多余，直接写source_pad = F.pad(tensor1, pad=(0,0,0,8-height))就能同时处理填充和截断两种情况。

内容的提问来源于stack exchange，提问作者peony