torch.Tensor.record_stream

Tensor.record_stream(stream)

标记张量已被此流使用。当张量被释放时，请确保在释放时此流上排队的所有工作都已完成之前，张量内存不会被另一个张量重用。

注意

缓存分配器仅知道张量分配所在的流。由于这种意识，它已经正确地管理了单个流上张量的生命周期。但是，如果张量在一个与其原始流不同的流上使用，分配器可能会意外地重用内存。调用此方法可以告知分配器哪些流使用了该张量。

警告

此方法最适合以下用例：您提供了一个在辅助流上创建张量的函数，并且希望用户能够使用该张量，而无需在首次使用张量时过多地考虑流安全。这些安全保证会带来一定的性能和可预测性成本（类似于垃圾回收和手动内存管理之间的权衡），因此，如果您能够完全管理张量的生命周期，则可以考虑手动管理 CUDA 事件，这样就不需要调用此方法。特别地，当您调用此方法时，在稍后的分配中，分配器将轮询记录的流以查看所有操作是否已完成；您可能会与辅助流计算发生竞争，并非确定性地重用或未能重用分配内存。

您可以安全地使用在辅助流上分配的张量，而无需 record_stream()；您必须手动确保在释放张量之前，将任何非创建流对张量的使用同步回创建流。由于 CUDA 缓存分配器保证内存仅会与相同的创建流重用，因此这足以确保未来对内存的重新分配的写入将被延迟，直到非创建流的使用完成。（反直觉的是，您可能会注意到在 CPU 端我们已经重新分配了张量，即使旧张量上的 CUDA 内核仍在进行中。这没关系，因为新张量上的 CUDA 操作将适当地等待旧操作完成，因为它们都在同一个流上。）

具体来说，这看起来像这样

with torch.cuda.stream(s0):
    x = torch.zeros(N)

s1.wait_stream(s0)
with torch.cuda.stream(s1):
    y = some_comm_op(x)

... some compute on s0 ...

# synchronize creation stream s0 to side stream s1
# before deallocating x
s0.wait_stream(s1)
del x

请注意，在决定何时执行 s0.wait_stream(s1) 时需要一定的判断。特别地，如果我们立即在 some_comm_op 之后等待，那么设置辅助流就没有意义了；这相当于在 s0 上运行 some_comm_op。相反，同步必须放置在某个适当的、稍后的时间点，您期望辅助流 s1 已经完成了工作。这个位置通常通过分析来确定，例如，使用 Chrome 跟踪（通过 torch.autograd.profiler.profile.export_chrome_trace() 生成）。如果您过早地放置等待，s0 上的工作将一直阻塞，直到 s1 完成，从而阻止进一步的通信和计算重叠。如果您过晚地放置等待，您将使用比严格必需更多的内存（因为您将 x 保持活动状态的时间更长）。有关如何在实践中应用此指导的具体示例，请参阅此帖子：FSDP 和 CUDACachingAllocator。