如何为多维PyTorch张量高效添加底部零行与右侧零列？

你当前的实现通过逐子块切片、硬编码索引赋值完成操作，代码冗余度高，且和固定的维度数值（batch=1、通道数=3）强耦合，更换输入尺寸后需要手动修改切片逻辑。以下是两种通用度更高、代码量更少的实现方式：

方案1：使用torch.nn.functional.pad（最推荐） #

这是PyTorch内置的专用张量填充接口，底层为优化的C++实现，运算效率最高，仅需一行核心代码即可完成需求：

import torch
import torch.nn.functional as F

x1 = torch.ones(1, 3, 3, 3)
# pad 参数遵循从最后一维向前的填充顺序：(左填充数, 右填充数, 上填充数, 下填充数)
# 这里设置为宽度方向右补1列0，高度方向下补1行0，其余维度不做改动
output = F.pad(x1, pad=(0, 1, 0, 1))

生成的输出形状为(1, 3, 4, 4)，和预期结果完全一致。该方案的优势：

• 完全动态适配输入形状：不管输入是4维、5维甚至更高维的张量，只要需要在最后两个维度的右侧、底部追加1个零，参数无需任何修改
• 无硬编码索引逻辑，可直接用于任意尺寸的业务张量
• 运算效率高于手动Python层拼接实现

方案2：双次torch.cat通用拼接 #

如果不想引入torch.nn.functional模块，可以通过两次沿指定维度拼接全零块实现，同样不需要手动遍历每个子块：

x1 = torch.ones(1, 3, 3, 3)
# 沿最后一维（宽度）拼接全零列
col_zero = torch.zeros(*x1.shape[:-1], 1)
x_wide = torch.cat([x1, col_zero], dim=-1)
# 沿倒数第二维（高度）拼接全零行
row_zero = torch.zeros(*x_wide.shape[:-2], 1, x_wide.shape[-1])
output = torch.cat([x_wide, row_zero], dim=-2)

这个方案和F.pad的效果完全一致，同样支持任意前置维度的动态适配，不需要根据通道数、batch数的变化修改代码。

内容的提问来源于stack exchange，提问作者Serzhev