Event

class torch.mtia.Event(device, *, enable_timing)

查询和记录 Stream 状态，以识别或控制跨 Stream 的依赖关系并测量时间。

参数

• device (torch.device, optional) – Event 的目标设备。如果未给出，将使用当前的 加速器 类型。

• enable_timing (bool, optional) – 指示事件是否应测量时间（默认值：False）。

返回

一个 torch.Event 对象。

返回类型

Event

示例

>>> e_cuda = torch.Event(device='cuda')

elapsed_time(end_event) → float

返回此事件和 end_event 各自通过 torch.Stream.record_event() 记录之间经过的时间（毫秒）。

参数

end_event (torch.Event) – 已记录的结束事件。

返回

开始事件和结束事件之间的时间（毫秒）。

返回类型

float

示例

>>> s_cuda = torch.Stream(device='cuda')
>>> e1_cuda = s_cuda.record_event()
>>> e2_cuda = s_cuda.record_event()
>>> ms = e1_cuda.elapsed_time(e2_cuda)

query() → bool

检查记录此事件的流是否已移动到事件记录的点之后。如果 Event 未被记录，则始终返回 True。

返回

一个布尔值，指示事件当前捕获的所有工作是否已完成。

返回类型

bool

示例

>>> s_cuda = torch.Stream(device='cuda')
>>> e_cuda = s_cuda.record_event()
>>> e_cuda.query()
True

record(stream) → None

在给定的流中记录事件。流的设备必须与事件的设备匹配。此函数等效于 stream.record_event(self)。

参数

• stream (torch.Stream, optional) – 要记录的流。

• given (如果未) –

• used. (将使用当前流。) –

示例

>>> e_cuda = torch.Event(device='cuda')
>>> e_cuda.record()

synchronize() → None

等待事件完成。这会阻止 CPU 线程继续执行，直到事件完成。

示例

>>> s_cuda = torch.Stream(device='cuda')
>>> e_cuda = s_cuda.record_event()
>>> e_cuda.synchronize()

wait(stream) → None

使提交到给定流的所有未来工作等待此事件。

参数

• stream (torch.Stream, optional) – 要同步的流。

• given (如果未) –

• used. (将使用当前流。) –

示例

>>> s1_cuda = torch.Stream(device='cuda')
>>> s2_cuda = torch.Stream(device='cuda')
>>> e_cuda = s1_cuda.record()
>>> e_cuda.wait(s2)