mindspore.runtime.Stream

class mindspore.runtime.Stream(priority=0, **kwargs)

基于设备流的封装器。 设备流是属于特定设备的线性执行序列，流之间相互独立。

参数：

• priority (int, 可选) - 流的优先级，较低的数字表示较高的优先级。默认情况下，流的优先级为 0。

• kwargs (dict) - 关键字参数字典。

支持平台：

Ascend GPU

query()

检查所有提交的工作是否已完成。

返回：

bool，指示该流中的所有算子是否已执行完成。

支持平台：

Ascend GPU

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> ms.set_device("Ascend", 0)
>>> a = Tensor(np.ones([1024, 2048]), ms.float32)
>>> b = Tensor(np.ones([2048, 4096]), ms.float32)
>>> s1 = ms.runtime.Stream()
>>> with ms.runtime.StreamCtx(s1):
...     c = ops.matmul(a, b)
>>> s1.synchronize()
>>> assert s1.query()

record_event(event=None)

记录一个事件。

参数：

• event (Event, 可选) - 要记录的事件。如果输入为 None，将分配一个新的事件。默认值： None。

返回：

Event，记录的事件。

异常：

• TypeError - 参数 event 既不是一个 mindspore.runtime.Event 也不是一个 None。

支持平台：

Ascend GPU

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> ms.set_device("Ascend", 0)
>>> a = Tensor(np.ones([3, 3]), ms.float32)
>>> b = Tensor(np.ones([3, 3]), ms.float32)
>>> s1 = ms.runtime.Stream()
>>> with ms.runtime.StreamCtx(s1):
...     c = a + b
...     event = s1.record_event()
...     d = a * b
>>> cur_stream = ms.runtime.current_stream()
>>> cur_stream.wait_event(event)
>>> e = c + 3
>>> print(e)
[[5. 5. 5.]
 [5. 5. 5.]
 [5. 5. 5.]]

synchronize()

等待此流中的所有算子执行完成。

支持平台：

Ascend GPU

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> ms.set_device("Ascend", 0)
>>> a = Tensor(np.ones([1024, 2048]), ms.float32)
>>> b = Tensor(np.ones([2048, 4096]), ms.float32)
>>> s1 = ms.runtime.Stream()
>>> with ms.runtime.StreamCtx(s1):
...     c = ops.matmul(a, b)
>>> s1.synchronize()
>>> assert s1.query()

wait_event(event)

使提交到流的所有未来工作等待本事件。

参数：

• event (Event) - 等待的事件。

异常：

• TypeError - 参数 event 不是一个 mindspore.runtime.Event。

支持平台：

Ascend GPU

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> ms.set_device("Ascend", 0)
>>> a = Tensor(np.ones([3, 3]), ms.float32)
>>> b = Tensor(np.ones([3, 3]), ms.float32)
>>> s1 = ms.runtime.Stream()
>>> with ms.runtime.StreamCtx(s1):
...     c = a + b
...     event = s1.record_event()
...     d = a * b
>>> cur_stream = ms.runtime.current_stream()
>>> cur_stream.wait_event(event)
>>> e = c + 3
>>> print(e)
[[5. 5. 5.]
 [5. 5. 5.]
 [5. 5. 5.]]

wait_stream(stream)

与另一个流同步。

所有提交到本流的未来工作都将等待，直到所有算子都提交至给定流并执行完成。

参数：

• stream (Stream) - 需要同步的流。

异常：

• TypeError - 参数 stream 不是一个 mindspore.runtime.Stream 。

支持平台：

Ascend GPU

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> ms.set_device("Ascend", 0)
>>> s1 = ms.runtime.Stream()
>>> s2 = ms.runtime.Stream()
>>> a = Tensor(np.ones([1, 2]), ms.float32)
>>> b = Tensor(np.ones([2, 2]), ms.float32)
>>> with ms.runtime.StreamCtx(s1):
...     c = ops.matmul(a, b)
>>> with ms.runtime.StreamCtx(s2):
...     s2.wait_stream(s1)
...     d = ops.matmul(c, b)
>>> ms.runtime.synchronize()
>>> print(d)
[[4. 4.]]