快捷方式

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)

文档

访问 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者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源