torch.Tensor.dim_order ¬

Tensor.dim_order(ambiguity_check=False) → tuple[source][source] ¬

返回唯一确定的描述维度顺序或物理布局的 int 元组。

维度顺序表示密集张量在内存中的布局方式，从最外层维度开始到最内层维度。

注意维度顺序可能并不总是唯一确定的。如果 ambiguity_check 为 True，当维度顺序无法唯一确定时，此函数将引发 RuntimeError；如果 ambiguity_check 是一个内存格式列表，当张量无法解释为给定的内存格式之一，或者无法唯一确定时，此函数将引发 RuntimeError。如果 ambiguity_check 为 False，它将返回一个合法的维度顺序（们），而不检查其唯一性。否则，将引发 TypeError。

参数:

ambiguity_check（布尔值或 torch.memory_format 列表）- 维度顺序模糊性的检查方法。

示例：

>>> torch.empty((2, 3, 5, 7)).dim_order()
(0, 1, 2, 3)
>>> torch.empty((2, 3, 5, 7)).transpose(1, 2).dim_order()
(0, 2, 1, 3)
>>> torch.empty((2, 3, 5, 7), memory_format=torch.channels_last).dim_order()
(0, 2, 3, 1)
>>> torch.empty((1, 2, 3, 4)).dim_order()
(0, 1, 2, 3)
>>> try:
...     torch.empty((1, 2, 3, 4)).dim_order(ambiguity_check=True)
... except RuntimeError as e:
...     print(e)
The tensor does not have unique dim order, or cannot map to exact one of the given memory formats.
>>> torch.empty((1, 2, 3, 4)).dim_order(
...     ambiguity_check=[torch.contiguous_format, torch.channels_last]
... )  # It can be mapped to contiguous format
(0, 1, 2, 3)
>>> try:
...     torch.empty((1, 2, 3, 4)).dim_order(ambiguity_check="ILLEGAL")
... except TypeError as e:
...     print(e)
The ambiguity_check argument must be a bool or a list of memory formats.

警告

torch.Tensor.dim_order API 是实验性的，可能会更改。