Event#

class torch.cuda.Event(enable_timing=False, blocking=False, interprocess=False, external=False)[源]#

CUDA 事件的包裝器。

CUDA 事件是用於監視裝置進度、精確測量時間以及同步 CUDA 流的同步標記。

底層 CUDA 事件會在事件首次記錄或匯出到另一個程序時進行惰性初始化。建立後，只有同一裝置上的流才能記錄該事件。但是，任何裝置上的流都可以等待該事件。

引數

enable_timing (bool, optional) – 指示事件是否應測量時間（預設值：False）
blocking (bool, optional) – 如果為 True，則 wait() 將是阻塞的（預設為 False）。
interprocess (bool) – 如果為 True，則事件可以在程序之間共享（預設值：False）
external (bool, optional) – 指示在 CUDA 圖中捕獲時，此事件是否應建立事件記錄和事件等待節點，或建立內部跨流依賴關係。有關內部與外部事件的更多資訊，請參閱跨流依賴項、cudaEventRecordExternal 和 cudaEventWaitExternal。（預設為 False）。

elapsed_time(end_event)[源]#

返回經過的時間。

報告時間單位為毫秒，表示自事件記錄到 end_event 記錄之前的時間。

classmethod from_ipc_handle(device, handle)[源]#: 從給定裝置上的 IPC handle 重構一個事件。

ipc_handle()[源]#

返回此事件的 IPC handle。

如果尚未記錄，事件將使用當前裝置。

query()[源]#

檢查事件捕獲的所有工作是否已完成。

record(stream=None)[源]#

在給定的流中記錄事件。

如果未指定流，則使用 torch.cuda.current_stream()。流的裝置必須與事件的裝置匹配。

synchronize()[源]#

等待事件完成。

Waits until the completion of all work currently captured in this event. This prevents the CPU thread from proceeding until the event completes.

注意

這是 cudaEventSynchronize() 的包裝器：有關更多資訊，請參閱 CUDA 事件文件。

wait(stream=None)[源]#

使提交給給定流的所有未來工作等待此事件。

如果未指定流，則使用 torch.cuda.current_stream()。

注意

這是 cudaStreamWaitEvent() 的包裝器：有關更多資訊，請參閱 CUDA 事件文件。

文件