torch.xpu

此包为 XPU 后端引入了支持，专门针对 Intel GPU 优化定制。

此包是惰性初始化的，因此您可以随时导入它，并使用 is_available() 来确定您的系统是否支持 XPU。

StreamContext	选择给定流的上下文管理器。
current_device	返回当前选定设备的索引。
current_stream	返回给定设备当前选定的 Stream。
device	改变选定设备的上下文管理器。
device_count	返回可用的 XPU 设备数量。
device_of	将当前设备更改为给定对象所在设备的上下文管理器。
get_arch_list	返回此库编译时针对的 XPU 架构列表。
get_device_capability	获取设备的 xpu 能力。
get_device_name	获取设备的名称。
get_device_properties	获取设备的属性。
get_gencode_flags	返回此库编译时使用的 XPU AOT（提前编译）构建标志。
get_stream_from_external	从外部 SYCL 队列返回一个 Stream。
init	初始化 PyTorch 的 XPU 状态。
is_available	返回一个布尔值，指示 XPU 当前是否可用。
is_initialized	返回 PyTorch 的 XPU 状态是否已初始化。
set_device	设置当前设备。
set_stream	设置当前流。这是一个用于设置流的包装 API。
stream	包装 StreamContext 上下文管理器，用于选择给定流。
synchronize	等待 XPU 设备上所有流中的所有 kernel 完成。

随机数生成器

get_rng_state	将指定设备的随机数生成器状态作为 ByteTensor 返回。
get_rng_state_all	返回一个 ByteTensor 列表，表示所有设备的随机数状态。
initial_seed	返回当前设备的当前随机种子。
manual_seed	为当前设备设置随机数生成种子。
manual_seed_all	为所有设备设置随机数生成种子。
seed	为当前设备设置随机数生成种子为随机值。
seed_all	为所有设备设置随机数生成种子为随机值。
set_rng_state	设置指定设备的随机数生成器状态。
set_rng_state_all	设置所有设备的随机数生成器状态。

流和事件

Event	XPU 事件的包装器。
Stream	XPU 流的包装器。

内存管理

empty_cache	释放缓存分配器当前持有的所有未占用缓存内存，以便这些内存可用于其他 XPU 应用。
max_memory_allocated	返回给定设备上 Tensor 占用的最大设备内存（以字节为单位）。
max_memory_reserved	返回给定设备上缓存分配器管理的最大设备内存（以字节为单位）。
mem_get_info	返回给定设备的全局空闲和总设备内存。
memory_allocated	返回给定设备上 Tensor 当前占用的设备内存（以字节为单位）。
memory_reserved	返回给定设备上缓存分配器当前管理的设备内存（以字节为单位）。
memory_stats	返回给定设备的 XPU 内存分配器统计信息的字典。
memory_stats_as_nested_dict	将 memory_stats() 的结果作为嵌套字典返回。
reset_accumulated_memory_stats	重置 XPU 内存分配器跟踪的“累积”（历史）统计信息。
reset_peak_memory_stats	重置 XPU 内存分配器跟踪的“峰值”统计信息。