torch.cuda

此包增加了对 CUDA 张量类型的支持，这些类型实现了相同的 函数作为 CPU 张量，但它们使用 GPU 进行计算。

它是延迟初始化的，因此你可以随时导入它，并使用is_available()以确定您的系统是否支持 CUDA。

CUDA 语义 有更多关于使用 CUDA 的详细信息。

StreamContext	选择给定流的 context-manager。
can_device_access_peer	检查两个设备之间是否可以进行对等访问。
current_blas_handle	返回指向当前 cuBLAS 句柄cublasHandle_t指针
current_device	返回当前所选设备的索引。
current_stream	返回当前选定的Stream对于给定设备。
default_stream	返回默认值Stream对于给定设备。
device	更改所选设备的 context-manager 。
device_count	返回可用的 GPU 数量。
device_of	将当前设备更改为给定对象的设备的上下文管理器。
get_arch_list	返回 列出为此库编译的 CUDA 架构。
get_device_capability	获取设备的 cuda 功能。
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 NVCC gencode 标志。
get_sync_debug_mode	返回 cuda 同步作的调试模式的当前值。
init	初始化 PyTorch 的 CUDA 状态。
ipc_collect	Force 在 CUDA IPC 释放 GPU 内存后收集 GPU 内存。
is_available	返回一个布尔值，指示 CUDA 当前是否可用。
is_initialized	返回 PyTorch 的 CUDA 状态是否已初始化。
memory_usage	返回上一个采样周期中读取或写入全局（设备）内存的时间百分比。
set_device	设置当前设备。
set_stream	设置当前流。这是一个用于设置流的包装器 API。
set_sync_debug_mode	设置 cuda 同步作的调试模式。
stream	围绕选择给定流的 Context-manager StreamContext 的包装器。
synchronize	等待 CUDA 设备上所有流中的所有内核完成。
utilization	返回上一个采样周期内一个或多个内核在 GPU 上执行的时间百分比，由 nvidia-smi 给出。

随机数生成器

get_rng_state	将指定 GPU 的随机数生成器状态作为 ByteTensor 返回。
get_rng_state_all	返回一个 ByteTensor 列表，表示所有设备的随机数状态。
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。
manual_seed	设置用于为当前 GPU 生成随机数的种子。
manual_seed_all	设置用于在所有 GPU 上生成随机数的种子。
seed	将用于生成随机数的种子设置为当前 GPU 的随机数。
seed_all	将用于生成随机数的种子设置为所有 GPU 上的随机数。
initial_seed	返回当前 GPU 的当前随机种子。

通信集体

comm.broadcast	将张量广播到指定的 GPU 设备。
comm.broadcast_coalesced	将序列张量广播到指定的 GPU。
comm.reduce_add	对来自多个 GPU 的张量求和。
comm.scatter	将张量分散到多个 GPU 上。
comm.gather	从多个 GPU 设备收集张量。

流和事件

Stream	CUDA 流的包装器。
ExternalStream	包装外部分配的 CUDA 流。
Event	CUDA 事件的包装器。

图形（测试版）

is_current_stream_capturing	如果当前 CUDA 流上正在进行 CUDA 图形捕获，则返回 True，否则返回 False。
graph_pool_handle	返回表示图形内存池 id 的不透明令牌。
CUDAGraph	CUDA 图形的包装器。
graph	将 CUDA 工作捕获到torch.cuda.CUDAGraph对象以供以后重放。
make_graphed_callables	接受可调用对象（函数或nn.Modules） 并返回图形版本。

内存管理

empty_cache	释放缓存分配器当前持有的所有未占用的缓存内存，以便这些内存可以在其他 GPU 应用程序中使用并在 nvidia-smi 中可见。
list_gpu_processes	返回给定设备正在运行的进程及其 GPU 内存使用情况的可读打印输出。
mem_get_info	使用 cudaMemGetInfo 返回给定设备占用的全局可用内存和总 GPU 内存。
memory_stats	返回给定设备的 CUDA 内存分配器统计信息的字典。
memory_summary	返回给定设备的当前内存分配器统计信息的可读打印输出。
memory_snapshot	返回所有设备的 CUDA 内存分配器状态的快照。
memory_allocated	返回给定设备的张量占用的当前 GPU 内存（以字节为单位）。
max_memory_allocated	返回给定设备的张量占用的最大 GPU 内存（以字节为单位）。
reset_max_memory_allocated	重置跟踪给定设备的张量占用的最大 GPU 内存的起点。
memory_reserved	返回由缓存分配器为给定设备管理的当前 GPU 内存（以字节为单位）。
max_memory_reserved	返回给定设备的缓存分配器管理的最大 GPU 内存（以字节为单位）。
set_per_process_memory_fraction	设置进程的内存分数。
memory_cached	荒废的;看memory_reserved().
max_memory_cached	荒废的;看max_memory_reserved().
reset_max_memory_cached	重置跟踪给定设备的缓存分配器管理的最大 GPU 内存的起点。
reset_peak_memory_stats	重置 CUDA 内存分配器跟踪的 “峰值” 统计数据。
caching_allocator_alloc	使用 CUDA 内存分配器执行内存分配。
caching_allocator_delete	删除使用 CUDA 内存分配器分配的内存。

NVIDIA 工具扩展 （NVTX）

nvtx.mark	描述在某个时间点发生的瞬时事件。
nvtx.range_push	将范围推送到嵌套范围 span 的堆栈上。
nvtx.range_pop	从嵌套范围 span 堆栈中弹出一个范围。

Jiterator（测试版）

jiterator._create_jit_fn

为 elementwise op 创建一个 jiterator 生成的 cuda 内核。