【CUDA6】CUDA Stream 是什么,为什么 CUDA 是异步执行,如何正确测量 GPU 时间以及多个任务如何重叠执行

Zguigo2026-10-04 19:50

之前在实验中我们写过c_gpu = a_gpu + b_gpu，CPU 执行这行代码时，并不是一定要等 GPU 把加法彻底做完，CPU 发出任务后，可以继续干自己的事情，CUDA默认一个非常重要的特性：CPU 发起 GPU 工作，GPU 异步执行，它更像是CPU--CUDA Stream--KernelA,B,C--GPU执行，Stream就是组织这些GPU工作的机制之一，这也是我们写torch.cuda.synchronize()的原因，它实现了CPU 等 GPU，把当前已经提交的工作执行完。

现在我们步入今天的正题：

CUDA Stream 是什么

我们可以把它想象为GPU的一条任务队列，task1--task2--task3，同一个stream中任务默认按照顺序执行Kernel A--Kernel B--Kernel C，事实上通常会有多个stream，假设我们有两个独立的任务，如果只有一个stream，只能完成一个在完成另一个，我们使用两个stream，理论上可以节约一半的时间，这就是overlap。

pytorch中如何创建stream？

python 复制代码

stream = torch.cuda.Stream()

#use the stream work
with torch.cuda.stream(stream):
    x = a + b
    
    
#多个stream
stream1 = torch.cuda.Stream()
stream2 = torch.cuda.Stream()

with torch.cuda.stream(stream1):
    x = a + b

with torch.cuda.stream(stream2):
    y = c + d

温馨提示：多个stream提供并发机会，不保证一定并发，因为GPU资源是有限的

之前我们使用time.perf_counter()来测量GPU时间，其实有更适合GPU的方式，torch.cuda.Event，为什么它更好一点呢，因为它是直接在GPU execution timeline上标记，而time.perf_counter()是站在CPU，下面是示例代码

python 复制代码

import torch

N = 10_000_000

a = torch.randn(N, device="cuda")
b = torch.randn(N, device="cuda")

# warm up
for _ in range(10):
    c = a + b

torch.cuda.synchronize()

start = torch.cuda.Event(enable_timing=True)
end = torch.cuda.Event(enable_timing=True)

start.record()

c = a + b

end.record()

torch.cuda.synchronize()

print(f"GPU time: {start.elapsed_time(end):.3f} ms")

前几节我们

复制代码

CPU
 ↓
CUDA Kernel
 ↓
Grid
 ↓
Block
 ↓
Thread
 ↓
Warp
 ↓
Memory

现在我们加入stream：

复制代码

CPU
 │
 ├───────────────┐
 │               │
 ▼               ▼
Stream 0       Stream 1
 │               │
 ▼               ▼
Kernel A       Kernel B
 │               │
 └───────┬───────┘
         ▼
        GPU

GPU 不只是"有很多核心"，它还是一个有任务队列、有调度、有异步执行机制的计算系统。