torch.xpu ¬

此包引入了对 XPU 后端的支持，专门针对英特尔 GPU 优化。

此包是惰性初始化的，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	返回当前选中设备的索引
current_stream	返回给定设备当前选中的 Stream
device	上下文管理器，用于更改所选设备。
device_count	返回可用的 XPU 设备数量。
device_of	当前设备上下文管理器，将当前设备更改为给定对象的设备。
get_arch_list	返回此库编译支持的 XPU 架构列表。
get_device_capability	获取设备的 XPU 能力。
get_device_name	获取设备的名称。
get_device_properties	获取设备的属性。
get_gencode_flags	返回此库编译时使用的 XPU AOT（编译时）构建标志。
get_stream_from_external	从外部 SYCL 队列返回一个 Stream 。
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	包装选择给定流的上下文管理器 StreamContext。
synchronize	等待所有流上的所有内核在 XPU 设备上完成。

随机数生成器

get_rng_state	返回指定 GPU 的随机数生成器状态，作为 ByteTensor。
get_rng_state_all	返回表示所有设备随机数状态的 ByteTensor 列表。
initial_seed	返回当前 GPU 的当前随机种子。
manual_seed	设置当前 GPU 生成随机数的种子。
manual_seed_all	设置所有 GPU 上生成随机数的种子。
seed	将当前 GPU 生成随机数的种子设置为随机数。
seed_all	将生成随机数的种子设置为所有 GPU 上的随机数。
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	释放由缓存分配器当前持有的所有未占用缓存内存，以便它们可以在其他 XPU 应用程序中使用。
max_memory_allocated	返回给定设备中张量占用的最大 GPU 内存（以字节为单位）。
max_memory_reserved	返回给定设备中缓存分配器管理的最大 GPU 内存（以字节为单位）。
mem_get_info	返回指定设备的全局空闲和总 GPU 内存。
memory_allocated	返回给定设备上张量占用的当前 GPU 内存量（以字节为单位）。
memory_reserved	返回给定设备中缓存分配器管理的当前 GPU 内存（以字节为单位）。
memory_stats	返回指定设备的 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。