torch.Tensor.dim_order

Tensor.dim_order(ambiguity_check=False) → tuple

返回描述 self 的維度順序或物理佈局的唯一確定的 int 元組。

維度順序表示密集 tensor 的維度如何在記憶體中佈局，從最外層維度到最內層維度。

請注意，維度順序可能並不總是唯一確定。如果 ambiguity_check 為 True，當維度順序無法唯一確定時，此函式將引發 RuntimeError；如果 ambiguity_check 是記憶體格式的列表，當 tensor 無法被解釋為正好是給定的記憶體格式之一，或者無法唯一確定時，此函式將引發 RuntimeError。如果 ambiguity_check 為 False，它將返回一種合法的維度順序，而不檢查其唯一性。否則，它將引發 TypeError。

引數

ambiguity_check (bool 或 List[torch.memory_format]) – 維度順序歧義的檢查方法。

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

dim_order tensor API 處於實驗階段，可能會發生變化。