torch.fx.experimental.symbolic_shapes.constrain_range

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

应用一个约束，使得传入的 SymInt 必须包含在 min-max 之间（包含两端），**不引入对 SymInt 的 guard**（这意味着它可以用于未备份的 SymInt）。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 会对范围进行交集操作。这是一个相当底层的 API，没有太多安全保证（TODO：提供更高层的 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 时，它表示一个依赖于数据的整数数量，我们通常不知道它可以取哪些值。这意味着对它进行任何形式的 guard 都会立即失败。然而，在许多情况下，我们对未备份的 SymInt 有所了解：例如，我们知道 nonzero(x).size(0) 必须 >= 0。我们使用 constrain_range 来缩小可能范围，声明不可能出现负数符号。这使得我们能够肯定地回答诸如“nnz >= 0”之类的查询，即使我们不知道“nnz”的实际（提示的）值。事实上，我们实际上使用 constrain_range 来不安全地解除常见的 guard：对于由 nonzero 产生的未备份 SymInt，我们还将假定它不等于 0/1（尽管这些在运行时是完全可能的值），因为我们通常期望对于 N=2 有效的图也对于 N=1 有效。