快捷键

外部流 ¶

class torch.cuda.ExternalStream(stream_ptr, device=None, **kwargs)[source][source]

包装外部分配的 CUDA 流。

此类用于将其他库中分配的流包装起来,以方便数据交换和多库交互。

注意

此类不管理流的生命周期,在使用此类时保持引用的流存活是用户的责任。

参数:
  • stream_ptr (int) – cudaStream_t 值的整型表示。外部分配。

  • device (torch.device 或 int,可选) – 流最初分配的设备。如果 device 指定错误,后续使用此流的启动可能会失败。

query()[来源] ¶

检查所有提交的工作是否已完成。

返回值:

一个布尔值,表示此流中所有内核是否已完成。

返回类型:

布尔型

record_event(event=None)[来源] ¶

记录事件。

参数:

event (torch.cuda.Event, 可选) – 要记录的事件。如果未提供,将分配一个新的。

返回值:

已记录的事件。

synchronize()[source]

等待此流中的所有内核完成。

注意

这是一个围绕 cudaStreamSynchronize() 的包装器:请参阅 CUDA Stream 文档以获取更多信息。

wait_event(event)[源码] ¶

使所有提交给流的后续工作等待事件。

参数:

event (torch.cuda.Event) – 等待的事件。

注意

这是一个围绕 cudaStreamWaitEvent() 的包装器:请参阅 CUDA Stream 文档以获取更多信息。

此函数返回而不等待 event :仅受未来操作的影响。

wait_stream(stream)[source]

与另一个流同步。

所有提交给此流的未来工作将等待在调用时提交给给定流的内核全部完成。

参数:

流(Stream)- 用于同步的流。

注意

此函数返回而不等待当前排队的内核在 stream : 仅受未来操作的影响。


© 版权所有 PyTorch 贡献者。

使用 Sphinx 构建,并使用 Read the Docs 提供的主题。

文档

PyTorch 的全面开发者文档

查看文档

教程

深入了解初学者和高级开发者的教程

查看教程

资源

查找开发资源并获得您的疑问解答

查看资源