找不到torch.ops.script_ops.while_loop

这可能是因为您使用的 PyTorch 版本过低。while_loop 函数是 PyTorch 1.5 及更高版本中新增加的函数，如果您使用的版本低于此版本，可能会导致无法找到该函数。建议更新至最新版本。

相关问题

torch.ops.script_ops.while_loop这个怎么用

torch.ops.script_ops.while_loop是PyTorch中的一个函数，用于在脚本模式下执行循环。它接受三个参数：
1. cond: 循环条件，是一个函数，每次迭代时调用并返回一个布尔值。当返回值为True时继续循环，否则退出循环。
2. body: 循环体，是一个函数，每次迭代时调用。
3. loop_vars: 循环变量，是一个元组，代表循环中需要更新的变量。

例如：

import torch

def cond(i):
    return i < 3

def body(i):
    print(i)
    return (i + 1,)

i = torch.tensor(0, dtype=torch.int32)
torch.ops.script_ops.while_loop(cond, body, (i,))

这个例子中，循环条件为i < 3, 循环体是打印出i, 循环变量是i, 结果是打印出0,1,2

torch.ops.torchvision.deform_conv2d默认参数

`torch.ops.torchvision.deform_conv2d` 的默认参数如下：

def deform_conv2d(
    input,
    offset,
    weight,
    bias=None,
    stride=1,
    padding=0,
    dilation=1,
    groups=1,
    deform_groups=1,
    im2col_step=64,
):
    # 函数实现

参数含义如下：

- `input`：输入张量。形状为 `(batch_size, in_channels, height, width)`。
- `offset`：偏移量张量。形状为 `(batch_size, deform_groups * 2 * kernel_size[0] * kernel_size[1], out_height, out_width)`。其中，`deform_groups` 表示分组卷积的数量，`kernel_size` 表示卷积核的大小，`out_height` 和 `out_width` 分别表示输出特征图的高度和宽度。
- `weight`：卷积核张量。形状为 `(out_channels, in_channels // groups, kernel_size[0], kernel_size[1])`。
- `bias`：偏置张量。形状为 `(out_channels,)`。默认值为 `None`，表示不使用偏置。
- `stride`：卷积的步幅。可以是一个整数或者是一个元组，例如 `(stride_h, stride_w)`。默认值为 `1`。
- `padding`：输入张量的填充大小。可以是一个整数或者是一个元组，例如 `(pad_h, pad_w)`。默认值为 `0`。
- `dilation`：卷积核的膨胀率。可以是一个整数或者是一个元组，例如 `(dilation_h, dilation_w)`。默认值为 `1`。
- `groups`：输入通道和输出通道之间的分组数。默认值为 `1`，表示不分组卷积。
- `deform_groups`：偏移量张量的分组数量。默认值为 `1`。
- `im2col_step`：im2col 操作的步长。默认值为 `64`，表示每次处理 `64` 个输入通道。