mindspore.hal.Event

class mindspore.hal.Event(enable_timing=False, blocking=False)

设备事件的封装器，此接口将在后续版本中废弃，请使用接口 mindspore.runtime.Event 代替。

设备事件是同步标记，可用于监视设备的执行进度、准确计时和同步设备流。

当事件首次被记录时，底层设备事件才会被初始化。

参数：

• enable_timing (bool, 可选) - 事件是否应计时。默认 False。

• blocking (bool, 可选) - 如果为 True， wait 函数将是阻塞的。默认 False。

样例：

>>> import mindspore
>>> start = mindspore.hal.Event(enable_timing=True)
>>> end = mindspore.hal.Event(enable_timing=True)
>>> s1 = mindspore.hal.Stream()
>>> s2 = mindspore.hal.Stream()
>>> a = mindspore.tensor(mindspore.ops.ones([2, 2]), mindspore.float32)
>>> b = mindspore.tensor(mindspore.ops.ones([2, 2]), mindspore.float32)
>>> c = mindspore.tensor(mindspore.ops.ones([2, 2]), mindspore.float32)
>>> with mindspore.hal.StreamCtx(s1):
...     d = mindspore.ops.matmul(a, b)
...     start.record()
>>> c += 2
>>> end.record()
>>> with mindspore.hal.StreamCtx(s2):
...     start.synchronize()
...     end.synchronize()
...     e = c + d
>>> mindspore.hal.synchronize()
>>> print(e)
[[5. 5.]
 [5. 5.]]
>>> elapsed_time = start.elapsed_time(end)

elapsed_time(end_event)

返回记录事件之后到记录end_event之前所用的时间（以毫秒为单位）。

参数：

• end_event (Event) - 结束事件。

返回：

float，经过的时间（以毫秒为单位）。

query()

检查事件当前捕获的所有工作是否已完成。

返回：

bool，指示事件当前捕获的所有工作是否都已完成。

样例：

>>> import mindspore
>>> a = mindspore.tensor(mindspore.ops.ones([1024, 2048]), mindspore.float32)
>>> b = mindspore.tensor(mindspore.ops.ones([2048, 4096]), mindspore.float32)
>>> s1 = mindspore.hal.Stream()
>>> with mindspore.hal.StreamCtx(s1):
...     c = mindspore.ops.matmul(a, b)
...     ev = s1.record_event()
>>> s1.synchronize()
>>> assert ev.query()

record(stream=None)

在给定的流中记录事件。

如果未指定 stream，将使用 mindspore.hal.current_stream() 。

参数：

• stream (Stream, 可选) - 需要记录的流。如果输入为 None，将使用当前流。默认 None。

synchronize()

等待事件完成。

等待直到完成当前此事件捕获的所有工作。 这将阻止CPU线程继续进行，直到事件完成。

wait(stream=None)

使提交给给定流的所有未来工作等待此事件。

如果未指定 stream，将使用 mindspore.hal.current_stream() 。

参数：

• stream (Stream, 可选) - 需要等待的流。如果输入为 None，将使用当前流。默认 None。

样例：

>>> import mindspore
>>> event = mindspore.hal.Event()
>>> s1 = mindspore.hal.Stream()
>>> s2 = mindspore.hal.Stream()
>>> a = mindspore.tensor(mindspore.ops.ones([2, 2]), mindspore.float32)
>>> b = mindspore.tensor(mindspore.ops.ones([2, 2]), mindspore.float32)
>>> with mindspore.hal.StreamCtx(s1):
...     c = mindspore.ops.matmul(a, b)
...     event.record()
>>> event.wait()
>>> d = c + 2
>>> mindspore.hal.synchronize()
>>> print(d)
[[4. 4.]
 [4. 4.]]