用途：指导 AI 智能体编写、审阅与迁移使用 NVIDIA DALI 命令式动态模式 API（nvidia.dali.experimental.dynamic，简称 ndd）的代码。适用于 ndd 相关任务或从 pipeline 模式迁移，纯 pipeline-only 任务可跳过。
主要能力：以普通 Python 控制流直接调用 DALI 算子，无需构建和运行 pipeline 图。核心数据类型包括 Tensor（单样本，支持切片、算术、dlpack、cuda_array_interface、array）与 Batch（样本集合，支持变长形状，可用 for 迭代逐个产出 Tensor）。Batch 无 getitem，选取样本用 batch.select(i)，取样本子集用 batch.select(slice/list)，样本内切片用 batch.slice[...]。转 PyTorch 用 batch.torch()，不齐整批次可用 pad=True；Tensor 默认 torch(copy=False)。
使用方式：导入写作 import nvidia.dali.experimental.dynamic as ndd。Reader 是具有状态的对象，应创建一次并跨 epoch 复用，batch_size 传给 reader.next_epoch(batch_size=N)，其迭代器需完全消费后才能再次调用；同一 reader 的 batch_size 与批次/样本模式不可中途切换。随机算子须显式传入 batch_size。设备由输入推断，混合解码用 device="gpu"（非 pipeline 模式的 "mixed"）。默认 eager 异步执行，消费数据时自动求值；调试可用 with ndd.EvalMode.sync_full:（模式顺序 deferred < eager < sync_cpu < sync_full）。线程用 ndd.set_num_threads(4)（启动时一次）。随机性用 ndd.random.set_seed(42) 或显式 ndd.random.RNG(seed=42)，二者取其一。检查点用 ndd.checkpoint.Checkpoint，仅对 reader 与 RNG 等有状态对象生效，reader 需 enable_checkpointing=True，在首次 next_epoch 前注册；与 compile=True 不兼容；格式版本严格，非线程安全。
适用场景：图像分类等迭代式数据加载与预处理、分布式分片读取（shard_id/num_shards 等）、变长音频或检测框处理。
限制：动态模式虽更灵活，性能可能略低于 pipeline 模式，追求最大吞吐建议用 pipeline 模式；其余前置条件（DALI 安装、CUDA 构建、目标框架安装）需满足才能运行或验证。