流¶
- class torch.mtia.Stream(device, *, priority)¶
一个按顺序执行相应任务的异步队列,遵循先进先出 (FIFO) 顺序。它可以控制或同步其他流的执行,或阻塞当前主机线程以确保正确的任务排序。
有关适用于所有设备的确切语义的详细信息,请参阅 CUDA 语义 中对 CUDA 行为的深入描述。
- 参数
device (
torch.device
,可选) – 流所需的设备。如果未给出,则将使用当前 加速器 类型。priority (int, 可选) – 流的优先级,应为 0 或负数,其中负数表示更高的优先级。默认情况下,流的优先级为 0。
- 返回值
一个 torch.Stream 对象。
- 返回类型
示例
>>> s_cuda = torch.Stream(device='cuda')
- query() bool ¶
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
示例
>>> s_cuda = torch.Stream(device='cuda') >>> s_cuda.query() True
- record_event(event) Event ¶
记录事件。将其排队到流中,以便从 FIFO 队列中的当前位置进行进一步同步。
- 参数
event (
torch.Event
,可选) – 要记录的事件。如果未给出,则将分配一个新的事件。- 返回值
已记录的事件。
- 返回类型
示例
>>> s_cuda = torch.Stream(device='cuda') >>> e_cuda = s_cuda.record_event()
- synchronize() None ¶
等待此流中的所有内核完成。
示例
>>> s_cuda = torch.Stream(device='cuda') >>> s_cuda.synchronize()
- wait_event(event) None ¶
使提交到流的所有未来工作等待一个事件。
- 参数
event (
torch.Event
) – 要等待的事件。
示例
>>> s1_cuda = torch.Stream(device='cuda') >>> s2_cuda = torch.Stream(device='cuda') >>> e_cuda = s1_cuda.record_event() >>> s2_cuda.wait_event(e_cuda)
- wait_stream(stream) None ¶
与另一个流同步。提交到此流的所有未来工作都将等待,直到已提交到给定流的所有内核都完成。
- 参数
stream (
torch.Stream
) – 要同步的流。
示例
>>> s1_cuda = torch.Stream(device='cuda') >>> s2_cuda = torch.Stream(device='cuda') >>> s2_cuda.wait_stream(s1_cuda)