运行时环境层

检测Intel GPU是否可用，并在GPU上执行一个简单的矩阵乘法操作，同时打印设备的详细信息和运算结果。

• torch.xpu.get_device_name(device): 获取当前设备的名称。返回的设备名称会显示出来。
• torch.xpu.get_device_properties(device): 获取该设备的详细信息，例如总内存等。
• device_properties.total_memory：设备的总内存（以字节为单位），此处将其转换为GB并输出。
• torch.randn(1000, 1000, device=device): 创建两个1000x1000的随机张量tensor_a和tensor_b，并将它们分配到Intel GPU上（通过device=device指定设备）。这些张量在XPU上进行初始化，意味着所有后续的计算都将在XPU上执行。
• torch.matmul(tensor_a, tensor_b): 进行矩阵乘法运算。此运算也将在Intel GPU上进行。
• result.shape: 打印矩阵乘法结果的形状，这里应该是(1000, 1000)。result.sum().item(): 计算并打印结果张量所有元素的总和。

import torch
import intel_extension_for_pytorch as ipex

# 检查当前是否支持Intel GPU
if torch.xpu.is_available():
    device = torch.device("xpu")
    print("Intel GPU is available.")

    # 获取设备名称
    device_name = torch.xpu.get_device_name(device)
    print(f"Device Name: {device_name}")

    # 打印更多设备信息
    device_properties = torch.xpu.get_device_properties(device)
    print("Detailed Device Information:")
    print(f" - Total Memory: {device_properties.total_memory / (1024 ** 3):.2f} GB")
    print("Intel GPU is available. Running on:", torch.xpu.get_device_name(device))

    # 创建两个随机张量并移动到 Intel GPU
    tensor_a = torch.randn(1000, 1000, device=device)
    tensor_b = torch.randn(1000, 1000, device=device)

    # 在GPU上进行矩阵乘法
    result = torch.matmul(tensor_a, tensor_b)

    # 打印结果的一些信息
    print(f"Result shape: {result.shape}")
    print(f"Sum of elements: {result.sum().item()}")
else:
    print("Intel GPU is not available.")

结果

Intel GPU is available.
Device Name: Intel(R) Arc(TM) A770 Graphics
Detailed Device Information:
 - Total Memory: 15.11 GB
Intel GPU is available. Running on: Intel(R) Arc(TM) A770 Graphics
Result shape: torch.Size([1000, 1000])
Sum of elements: 24389.48828125