事件

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

查询和记录流状态以识别或控制流之间的依赖关系并测量计时。

参数

• device (torch.device，可选) – 事件所需的设备。如果未提供，将使用当前的 加速器 类型。

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

返回值

一个 torch.Event 对象。

返回类型

事件

示例

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

elapsed_time(end_event) → float

返回此事件和 end_event 分别通过 torch.Stream.record_event() 记录之间的经过时间（以毫秒为单位）。

参数

end_event (torch.Event) – 已记录结束事件。

返回值

开始事件和结束事件之间的时间（以毫秒为单位）。

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至记录事件的点之后。如果事件未记录，则始终返回 True。

返回值

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，可选) – 要记录的流。

• 给定 (如果没有) –

• 使用。 (当前流将被) –

示例

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

synchronize() → None

等待事件完成。这将阻止 CPU 线程在事件完成之前继续执行。

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，可选) – 要同步的流。

• 给定 (如果没有) –

• 使用。 (当前流将被) –

示例

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