快捷方式

torch.xpu

此包引入了对 XPU 后端的支持,专门针对英特尔 GPU 优化。

此包是延迟初始化的,因此您可以始终导入它,并使用 is_available() 来确定您的系统是否支持 XPU。

StreamContext

选择给定流的上下文管理器。

current_device

返回当前选定设备的索引。

current_stream

返回给定设备当前选定的 Stream

device

上下文管理器,用于更改选定的设备。

device_count

返回可用的 XPU 设备数量。

device_of

上下文管理器,用于将当前设备更改为给定对象的设备。

get_device_capability

获取设备的 xpu 功能。

get_device_name

获取设备的名称。

get_device_properties

获取设备的属性。

init

初始化 PyTorch 的 XPU 状态。

is_available

返回一个布尔值,指示 XPU 当前是否可用。

is_initialized

返回 PyTorch 的 XPU 状态是否已初始化。

set_device

设置当前设备。

set_stream

设置当前流。这是一个包装 API,用于设置流。

stream

围绕上下文管理器 StreamContext 的包装,它选择给定流。

synchronize

等待 XPU 设备上所有流中的所有内核完成。

随机数生成器

get_rng_state

将指定 GPU 的随机数生成器状态作为 ByteTensor 返回。

get_rng_state_all

返回一个 ByteTensor 列表,表示所有设备的随机数状态。

initial_seed

返回当前 GPU 的当前随机种子。

manual_seed

设置当前 GPU 的随机数生成器种子。

manual_seed_all

设置所有 GPU 上的随机数生成器种子。

seed

将当前 GPU 的随机数生成器种子设置为随机数。

seed_all

将所有 GPU 的随机数生成器种子设置为随机数。

set_rng_state

设置指定 GPU 的随机数生成器状态。

set_rng_state_all

设置所有设备的随机数生成器状态。

流和事件

Event

XPU 事件的包装器。

Stream

XPU 流的包装器。

内存管理

empty_cache

释放缓存分配器当前持有的所有未占用的缓存内存,以便这些内存可以在其他 XPU 应用程序中使用。

max_memory_allocated

返回给定设备上张量占用的最大 GPU 内存(以字节为单位)。

max_memory_reserved

返回给定设备上缓存分配器管理的最大 GPU 内存(以字节为单位)。

memory_allocated

返回给定设备上张量当前占用的 GPU 内存(以字节为单位)。

memory_reserved

返回给定设备上缓存分配器当前管理的 GPU 内存(以字节为单位)。

memory_stats

返回给定设备的 XPU 内存分配器统计信息的字典。

memory_stats_as_nested_dict

返回 memory_stats() 的结果,作为嵌套字典。

reset_accumulated_memory_stats

重置 XPU 内存分配器跟踪的“累积”(历史)统计信息。

reset_peak_memory_stats

重置 XPU 内存分配器跟踪的“峰值”统计信息。

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