torch.xpu

此套件引入了對 XPU 後端的支援，專為 Intel GPU 優化而設計。

此套件會延遲初始化，因此您可以隨時匯入它，並使用 is_available() 來判斷您的系統是否支援 XPU。

StreamContext	選擇給定串流的上下文管理器。
current_device	傳回目前所選裝置的索引。
current_stream	傳回給定裝置的目前所選 Stream。
device	變更所選裝置的上下文管理器。
device_count	返回可用的 XPU 裝置數量。
device_of	Context-manager，可將目前的裝置變更為給定物件的裝置。
get_arch_list	返回此函式庫編譯時所針對的 XPU 架構列表。
get_device_capability	取得裝置的 XPU 能力。
get_device_name	取得裝置的名稱。
get_device_properties	取得裝置的屬性。
get_gencode_flags	返回此函式庫編譯時使用的 XPU AOT (ahead-of-time) 建置旗標。
init	初始化 PyTorch 的 XPU 狀態。
is_available	返回一個布林值，指示 XPU 目前是否可用。
is_initialized	返回 PyTorch 的 XPU 狀態是否已初始化。
set_device	設定目前的裝置。
set_stream	設定目前的 stream。這是一個用於設定 stream 的封裝 API。
stream	封裝 Context-manager StreamContext，用於選擇給定的 stream。
synchronize	等待 XPU 裝置上所有 stream 中的所有核心完成。

隨機數生成器

get_rng_state	將指定 GPU 的隨機數生成器狀態作為 ByteTensor 返回。
get_rng_state_all	返回一個 ByteTensor 列表，表示所有裝置的隨機數狀態。
initial_seed	返回目前 GPU 的目前隨機種子。
manual_seed	設定目前 GPU 生成隨機數的種子。
manual_seed_all	設定所有 GPU 生成隨機數的種子。
seed	將目前 GPU 生成隨機數的種子設定為一個隨機數。
seed_all	將所有 GPU 生成隨機數的種子設定為一個隨機數。
set_rng_state	設定指定 GPU 的隨機數生成器狀態。
set_rng_state_all	設定所有裝置的隨機數生成器狀態。

Streams 和 events

Event	XPU event 的封裝。
Stream	XPU stream 的封裝。

記憶體管理

empty_cache	釋放快取分配器目前持有的所有未佔用快取記憶體，以便這些記憶體可以在其他 XPU 應用程式中使用。
max_memory_allocated	返回給定裝置的 tensors 佔用的最大 GPU 記憶體（以位元組為單位）。
max_memory_reserved	返回給定裝置的快取分配器管理的最大 GPU 記憶體（以位元組為單位）。
mem_get_info	返回給定裝置的全域可用和總 GPU 記憶體。
memory_allocated	返回給定裝置的 tensors 目前佔用的 GPU 記憶體（以位元組為單位）。
memory_reserved	返回給定裝置的快取分配器管理的目前 GPU 記憶體（以位元組為單位）。
memory_stats	返回給定裝置的 XPU 記憶體分配器統計資訊的字典。
memory_stats_as_nested_dict	以巢狀字典的形式返回 memory_stats() 的結果。
reset_accumulated_memory_stats	重置 XPU 記憶體分配器追蹤的「累積」 (歷史) 統計資訊。
reset_peak_memory_stats	重置 XPU 記憶體分配器追蹤的「峰值」統計資訊。