MemPool
-
class torch.cuda.memory.MemPool(*args, **kwargs)[исходный код] -
MemPool представляет собой пул памяти в аллокаторе с кэшированием. В настоящее время это просто идентификатор объекта пула, поддерживаемого в CUDACachingAllocator.
- Параметры:
-
-
allocator (torch._C._cuda_CUDAAllocator, optional) – объект torch._C._cuda_CUDAAllocator, который можно использовать для определения способа выделения памяти в пуле. Если
allocatorимеет значениеNone(по умолчанию), выделение памяти выполняется в соответствии с текущей конфигурацией CUDACachingAllocator по умолчанию. - use_on_oom (bool) – логическое значение, указывающее, можно ли использовать этот пул в крайнем случае, если выделение памяти вне пула завершается неудачей из-за нехватки памяти (Out Of Memory). По умолчанию равно False.
- no_split (bool) – логическое значение, указывающее, следует ли запретить разделение сегмента в этом пуле. По умолчанию равно False.
-
allocator (torch._C._cuda_CUDAAllocator, optional) – объект torch._C._cuda_CUDAAllocator, который можно использовать для определения способа выделения памяти в пуле. Если
-
property id: tuple[int, int] -
Возвращает идентификатор этого пула в виде кортежа из двух целых чисел.
-
snapshot(include_traces=True)[исходный код] -
Возвращает снимок состояния пула аллокатора памяти CUDA на всех устройствах.
Для интерпретации результата этой функции необходимо знать внутреннее устройство аллокатора памяти.
- Параметры:
-
include_traces – включать ли записи трассировки в снимок. Если True (по умолчанию), включаются все записи трассировки. Если False, записи трассировки не включаются (облегчённый/быстрый снимок).
Примечание
Подробнее об управлении памятью графического процессора см. в разделе Управление памятью.
-
use_count()[исходный код] -
Возвращает счётчик ссылок на этот пул.
- Тип возвращаемого значения:
© 2026, PyTorch Contributors
PyTorch has a BSD-style license, as found in the LICENSE file.
https://docs.pytorch.org/docs/2.14/generated/torch.cuda.memory.MemPool.html