# layout

Python API: `modelconverter.utils.layout`

从张量形状猜测张量布局。

布局是一个字母代码，例如
`"NCHW"`，用于命名张量的每个维度。转换需要为每个输入和输出提供一个布局——以了解哪些轴是空间轴，以及图像在馈送到模型之前必须如何布局——但模型很少说明它，并且供应商工具链会在此过程中重新排序维度。这里的辅助函数从形状本身恢复一个合理的布局，并将已知布局应用于重新排序的形状。

## 函数

### guess_new_layout

```python
def guess_new_layout(old_layout: str, old_shape: list[int], new_shape: list[int]) -> str:
```

猜测新形状的布局。

新形状必须包含与旧形状相同的元素。如果两个值相同，则其标签的顺序将保留。

> **示例**
> ```pycon
>>> guess_new_layout("NCHW", [1, 3, 256, 256], [1, 256, 256, 3])
'NHWC'
```

参数

 * `old_layout` (`str`): 描述 `old_shape` 的布局。
 * `old_shape` (`list[int]`): 已知布局的形状。
 * `new_shape` (`list[int]`): 要标记的 `old_shape` 的重新排序。

返回

 * `str`: 新布局的字母代码表示。

引发

 * `ValueError`: 如果新形状的长度与旧布局不同，或者不包含与旧形状相同的元素。

### is_image_input_shape

```python
def is_image_input_shape(shape: list[int], layout: str, *, allow_batchless: bool = False) -> bool:
```

返回形状和布局是否描述了受支持的图像输入。

标准图像布局接受未知通道数，以便以后可以解析它们。仅当调用者有明确信号表明输入是图像时，才接受无批次布局。已知通道数必须表示灰度或彩色图像数据。

### is_interleaved_image_layout

```python
def is_interleaved_image_layout(layout: str | None) -> bool:
```

返回图像布局是否将通道存储在最后。

### make_default_layout

```python
def make_default_layout(shape: list[int]) -> str:
```

为给定形状创建默认布局。

尝试猜测给定形状模式的最常见布局。否则，从 `C` 开始，并为每个剩余维度赋予尚未使用的下一个字母。

> **示例**
> ```pycon
>>> make_default_layout([1, 3, 256, 256])
'NCHW'
>>> make_default_layout([1, 19, 7, 8])
'NCDE'
```

参数

 * `shape` (`list[int]`): 要创建布局的形状。

返回

 * `str`: 布局的字母代码表示。
