torch.xpu

此软件包引入了对 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，所以你可以始终导入它，并使用 is_available() 来确定您的系统是否支持XPU。

StreamContext	上下文管理器，用于选择指定的流。
current_device	返回当前选定设备的索引。
current_stream	返回给定设备当前选择的 Stream。
device	上下文管理器，用于更改选定的设备。
device_count	返回可用的XPU设备数量。
device_of	上下文管理器，可将当前设备更改为给定对象的设备。
get_arch_list	返回此库编译所针对的 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（提前编译）构建标志。
init	初始化 PyTorch 的 XPU 状态。
is_available	返回一个布尔值，指示当前是否可用 XPU。
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 API。
stream	围绕选择给定流的上下文管理器 StreamContext 进行包装。
synchronize	等待该 XPU 设备上所有流中的所有内核完成。

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字节张量。
get_rng_state_all	返回一个列表，其中包含表示所有设备随机数状态的ByteTensor。
initial_seed	返回当前 GPU 的当前随机种子。
manual_seed	为当前GPU生成随机数设置种子。
manual_seed_all	设置所有 GPU 上生成随机数的种子。
seed	将生成随机数的种子设置为当前 GPU 的一个随机数。
seed_all	在所有 GPU 上将生成随机数的种子设置为一个随机数。
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	围绕 XPU 事件的包装器。
Stream	围绕 XPU 流的封装。

内存管理

empty_cache	释放所有当前由缓存分配器占用的未使用的缓存内存，以便这些内存可以在其他 XPU 应用程序中使用。
max_memory_allocated	返回给定设备上张量占用的最大 GPU 内存字节数。
max_memory_reserved	返回给定设备上缓存分配器管理的最大 GPU 内存（以字节为单位）。
mem_get_info	返回给定设备的全局可用和总 GPU 内存。
memory_allocated	返回给定设备上张量当前占用的 GPU 内存字节数。
memory_reserved	返回给定设备上由缓存分配器管理的当前 GPU 内存，单位为字节。
memory_stats	返回给定设备的XPU内存分配器统计信息字典。
memory_stats_as_nested_dict	返回memory_stats()作为嵌套字典的结果。
reset_accumulated_memory_stats	重置由 XPU 内存分配器跟踪的“累积”（历史）统计信息。
reset_peak_memory_stats	重置由 XPU 内存分配器跟踪的“峰值”统计信息。