事件

classtorch.mtia.Event(device, *, enable_timing)

查询并记录 Stream 状态，以识别和控制跨 Stream 的依赖关系，并测量时间。

参数

• device (torch.device, 可选) – 事件所期望的设备。如果没有指定，则使用当前的 加速器 类型。

• enable_timing (bool, 可选) – 是否启用事件的时间测量（默认值: 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

返回从这个事件到通过torch.Stream.record_event()记录的end_event之间的时间差（以毫秒为单位）。

参数

end_event (torch.Event) – 已记录结束事件。

返回值

开始事件和结束事件之间的时间间隔（以毫秒为单位）。

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

检查记录该事件的流是否已超出事件记录时的位置。如果没有记录该事件，则始终返回True。

返回值

一个布尔值，表示事件中所有已捕获的工作是否已完成。

返回类型

bool

示例：

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

record(stream) → None 该函数记录一个流并返回 None。

在此流中记录事件。流的设备需与事件的设备一致。此函数等同于stream.record_event(self)。

参数

• stream (torch.Stream, 可选) – 用于记录的流。

• 给定 (如果未提供) –

• 已使用。 （当前流将会被）–

示例：

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

synchronize() → None

等待事件完成，这样CPU线程就不会在事件完成前继续执行。

示例：

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

wait(stream) → None

让所有提交到该流的 future 工作都等待此事件。

参数

• stream (torch.Stream, 可选) – 用于同步的 torch 流。

• 给定 (如果未提供) –

• 已使用。 （当前流将会被）–

示例：

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