快捷方式

class torch.cuda.Stream(device=None, priority=0, **kwargs)[source]

CUDA 流的包装器。

CUDA 流是属于特定设备的线性执行序列,独立于其他流。有关详细信息,请参阅CUDA 语义

参数
  • device (torch.device or int, optional) – 分配流的设备。如果 deviceNone(默认值)或负整数,则将使用当前设备。

  • priority (int, optional) – 流的优先级,应为 0 或负数,负数表示更高的优先级。默认情况下,流的优先级为 0。

query()[source]

检查是否已完成提交的所有工作。

返回值

一个布尔值,指示此流中的所有内核是否已完成。

返回类型

bool

record_event(event=None)[source]

记录事件。

参数

event (torch.cuda.Event, optional) – 要记录的事件。如果未提供,将分配一个新的事件。

返回值

已记录的事件。

synchronize()[source]

等待此流中的所有内核完成。

注意

这是 cudaStreamSynchronize() 的包装器:有关更多信息,请参阅CUDA 流文档

wait_event(event)[source]

使提交到流的所有未来工作等待事件。

参数

event (torch.cuda.Event) – 要等待的事件。

注意

这是 cudaStreamWaitEvent() 的包装器:有关更多信息,请参阅CUDA 流文档

此函数在等待 event 时返回:仅影响未来的操作。

wait_stream(stream)[source]

与另一个流同步。

提交到此流的所有未来工作将等待在调用时提交到给定流的所有内核完成。

参数

stream (Stream) – 要同步的流。

注意

此函数在等待 stream 中当前排队的内核时返回:仅影响未来的操作。

文档

获取 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源