torch.xpu

此软件包引入了对 XPU 后端的支持，专为 Intel GPU 优化。

此包是延迟初始化的，因此您始终可以导入它，并用于确定您的系统是否支持 XPU。

StreamContext （流上下文）	选择给定流的 context-manager。
current_device	返回当前所选设备的索引。
current_stream	返回当前为给定设备选择的 ID。
装置	更改所选设备的 context-manager 。
device_count	返回可用的 XPU 设备的数量。
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_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。
初始化	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。这是一个用于设置流的包装器 API。
流	环绕选择给定流的 Context-manager StreamContext。
同步	等待 XPU 设备上所有流中的所有内核完成。

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	返回表示所有设备的随机数状态的 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。
种子	将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。
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

事件	XPU 事件的包装器。
流	XPU 流的包装器。

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 XPU 应用程序中使用。
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）。
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）。
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）。
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）。
memory_stats	返回给定设备的 XPU 内存分配器统计信息的字典。
memory_stats_as_nested_dict	将 的结果作为嵌套字典返回。
reset_accumulated_memory_stats	重置 XPU 内存分配器跟踪的“累积”（历史）统计数据。
reset_peak_memory_stats	重置 XPU 内存分配器跟踪的 “peak” 统计数据。