快捷方式

torch.cond

torch.cond(pred, true_fn, false_fn, operands)

有条件地应用 true_fnfalse_fn

警告

torch.cond 是 PyTorch 中的原型功能。它对输入和输出类型的支持有限,目前不支持训练。敬请期待 PyTorch 未来版本中更稳定的实现。有关功能分类的更多信息,请阅读:https://pytorch.ac.cn/blog/pytorch-feature-classification-changes/#prototype

cond 是结构化控制流运算符。也就是说,它类似于 Python 中的 if 语句,但对 true_fnfalse_fnoperands 有一些限制,这些限制使它能够使用 torch.compile 和 torch.export 进行捕获。

假设满足了对 cond 参数的约束,则 cond 等效于以下内容

def cond(pred, true_branch, false_branch, operands):
    if pred:
        return true_branch(*operands)
    else:
        return false_branch(*operands)
参数
  • pred (Union[bool, torch.Tensor]) – 布尔表达式或具有一个元素的张量,指示要应用哪个分支函数。

  • true_fn (Callable) – 可调用函数 (a -> b),位于正在跟踪的范围内。

  • false_fn (Callable) – 可调用函数 (a -> b),位于正在跟踪的范围内。真分支和假分支必须具有一致的输入和输出,这意味着输入必须相同,并且输出必须具有相同的类型和形状。

  • operands (Tuple of 可能嵌套的 dict/list/tuple of torch.Tensor) – true/false 函数的输入元组。

示例

def true_fn(x: torch.Tensor):
    return x.cos()
def false_fn(x: torch.Tensor):
    return x.sin()
return cond(x.shape[0] > 4, true_fn, false_fn, (x,))
限制
  • 条件语句(即 pred)必须满足以下约束之一

    • 它是 torch.Tensor,只有一个元素,并且数据类型为 torch.bool

    • 它是布尔表达式,例如 x.shape[0] > 10x.dim() > 1 and x.shape[1] > 10

  • 分支函数(即 true_fn/false_fn)必须满足以下所有约束

    • 函数签名必须与 operands 匹配。

    • 函数必须返回具有相同元数据的张量,例如形状、数据类型等。

    • 函数不能对输入或全局变量进行就地修改。(注意:分支中允许对中间结果使用就地张量运算,例如 add_

警告

时间限制

  • 分支的**输出**必须是**单个张量**。将来会支持张量 Pytree。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源