异步执行
默认情况下，GPU 操作是异步的。当您调用使用 GPU 的函数时，操作会被排入特定设备的队列，但不一定要等到稍后才会执行。这允许我们并行执行更多计算，包括在 CPU 或其他 GPU 上的操作。
一般来说，异步计算的影响对调用者是不可见的，因为（1）每个设备按照它们排队的顺序执行操作，以及（2）PyTorch 在 CPU 和 GPU 之间或两个 GPU 之间复制数据时会自动执行必要的同步。因此，计算将继续进行，就好像每个操作都是同步执行的一样。
您可以通过设置环境变量 CUDA_LAUNCH_BLOCKING=1 来强制同步计算。当 GPU 发生错误时，这会很方便。 （对于异步执行，这样的错误直到操作实际执行后才会报告，因此堆栈跟踪不会显示它被请求的位置。）
异步计算的结果是没有同步的时间测量是不准确的。要获得精确的测量值，应该在测量前调用 torch.cuda.synchronize()，或者使用 torch.cuda.Event 记录时间，如下所示：
start_event = torch.cuda.Event(enable_timing=True)
end_event = torch.cuda.Event（enable_timing=True）
start_event.record()
# 在这里运行一些东西
end_event.record()
torch.cuda.synchronize() # 等待事件被记录！
elapsed_time_ms = start_event.elapsed_time(end_event)
参考
