torch.fx.experimental

警告

这些 API 处于实验阶段，可能会在未经通知的情况下更改。

torch.fx.experimental.symbolic_shapes

torch.fx.experimental.symbolic_shapes 提供了与我们的符号形状推理系统交互的接口，该系统在 torch.compile 中被大量使用。虽然这通常不被认为是公共 API，但在编写 PyTorch 中的框架代码以及 PyTorch 的扩展（例如，在自定义运算符实现中）时，您可能需要使用这些 API 来适当地设置动态形状支持。

ShapeEnv
DimDynamic	控制如何为维度执行符号分配。
StrictMinMaxConstraint	对于客户端：此维度的尺寸必须在 'vr'（指定上下限，包含-包含）内，并且必须是非负数，并且不应为 0 或 1（但请参见下面的 NB）。
RelaxedUnspecConstraint	对于客户端：没有显式约束；约束是通过跟踪从守卫隐式推断出的任何内容。
EqualityConstraint	表示和决定输入源之间各种类型的相等约束。
SymbolicContext	数据结构，指定我们如何在 create_symbolic_sizes_strides_storage_offset 中创建符号；例如，它们应该是静态的还是动态的。
StatelessSymbolicContext	通过 DimDynamic 和 DimConstraint 给出的符号上下文确定，在 create_symbolic_sizes_strides_storage_offset 中创建符号。
StatefulSymbolicContext	通过 Source:Symbol 缓存给出的符号上下文确定，在 create_symbolic_sizes_strides_storage_offset 中创建符号。
SubclassSymbolicContext	对于可追踪张量子类的给定内部张量，正确的符号上下文可能与外部符号上下文不同。
DimConstraints	用于解决符号维度约束系统的自定义求解器。
hint_int	检索整数的提示（基于运行时观察到的底层实数值）。
is_concrete_int	用于检查 SymInt 中的底层对象是否为具体值。
is_concrete_bool	用于检查 SymBool 中的底层对象是否为具体值。
has_free_symbols	bool(free_symbols(val)) 的更快版本。
definitely_true	仅当我们可以确定 a 为 True 时返回 True，在此过程中可能引入一个保护。
definitely_false	仅当我们可以确定 a 为 False 时返回 True，在此过程中可能引入一个保护。
guard_size_oblivious	以大小无关的方式对符号布尔表达式进行保护。
parallel_or	评估多个参数的逻辑 OR，如果另一个参数肯定为 True，则避免对未支持的 SymInt 进行保护。
parallel_and	评估多个参数的逻辑 FALSE，如果另一个参数肯定为 False，则避免对未支持的 SymInt 进行保护。
sym_eq	类似于 ==，但当在列表/元组上运行时，它将递归地测试相等性并使用 sym_and 将结果组合在一起，而不会进行保护。
constrain_range	应用一个约束，即传入的 SymInt 必须位于 min-max 包含范围内，而不会在 SymInt 上引入保护（这意味着它可以用于未支持的 SymInt）。
constrain_unify	给定两个 SymInt，约束它们以使它们必须相等。
canonicalize_bool_expr	通过将布尔表达式转换为 lt / le 不等式并将所有非常数项移到 rhs 来规范化布尔表达式。
statically_known_true	如果 x 可以简化为常数且为真，则返回 True。