torch.fx.experimental.symbolic_shapes.constrain_range

torch.fx.experimental.symbolic_shapes.constrain_range(a, *, min, max=None)

应用一个约束，即传入的 SymInt 必须位于 min-max（包含-包含）之间，**无需在 SymInt 上引入保护**(这意味着它可以在未备份的 SymInt 上使用)。如果 min/max 为 None，我们假设该维度在该方向上是无界的。重复应用 constrain_range 会对范围进行交集。这是一个相当底层的 API，没有太多安全保证（待办事项：提供更高级别的 API）。

目前，我们在以下情况下使用此 API：当我们分配一个未备份的 SymInt 表示一个依赖于数据的整数值时，我们通常不知道它可能取什么值。这意味着对它进行任何形式的保护都会立即失败。但是，在许多情况下，我们对未备份的 SymInt 有一些了解：例如，我们知道 nonzero(x).size(0) 必须 >= 0。我们使用 constrain_range 来缩小可能的范围，声明负符号是不可能的。这允许我们对像“nnz >= 0”这样的查询肯定回答 True，即使我们不知道“nnz”的实际（暗示的）值是什么。事实上，我们实际上使用 constrain_range 来不合理地解除常见的保护：对于由 nonzero 生成的未备份的 SymInt，我们还将假设它不等于 0/1（即使这些在运行时是完全可能的值），因为我们通常期望对 N=2 有效的图形也对 N=1 有效。