活动 ¶

class torch.Event(设备, *, 启用计时)

查询并记录流状态，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) – 指定 Event 的期望设备。如果未提供，则使用当前加速器类型。

• enable_timing (bool，可选) – 表示事件是否应测量时间（默认： 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 各自通过 torch.Stream.record_event() 记录的时间差（以毫秒为单位）。

参数:

end_event ( torch.Event ) – 已记录结束事件。

返回值:

开始和结束事件之间的时间（毫秒）。

返回类型:

浮点数

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经移动到事件记录点之后。如果事件未被记录，则始终返回 True 。

返回值:

一个布尔值，表示当前事件捕获的所有工作是否已完成。

返回类型:

布尔型

示例：

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

record(stream) → None

记录给定流中的事件。流的设备必须与事件设备匹配。此功能与 stream.record_event(self) 相当。

参数:

• 流（ torch.Stream ，可选）- 要记录的流。

• 给定（如果不）-

• 使用。 (当前流将) -

示例：

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

synchronize() → None

等待事件完成。这可以防止 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

使所有提交给指定流的未来工作等待此事件。

参数:

• stream ( torch.Stream ，可选) – 要同步的流。

• 给定（如果不）——

• 使用。 （当前流将是）——

示例：

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