mindspore.runtime

运行时封装了执行、内存、流、事件的接口。MindSpore从不同的后端抽象出相应的模块，允许用户在Python层调度硬件资源。

执行

`mindspore.runtime.set_cpu_affinity`	使能线程级绑核功能，给MindSpore的主要模块（主线程、pynative、runtime、minddata）分配特定的CPU核，防止MindSpore线程抢占CPU导致的性能不稳定情况。
`mindspore.runtime.launch_blocking`	表示是否启动设备同步执行。
`mindspore.runtime.dispatch_threads_num`	设置运行时要使用的线程数。

`mindspore.runtime.max_memory_allocated`	返回从进程启动开始，内存池真实被Tensor占用的内存大小的峰值。
`mindspore.runtime.max_memory_reserved`	返回从进程启动开始，内存池管理的内存总量的峰值。
`mindspore.runtime.memory_allocated`	返回当前真实被Tensor占用的内存大小。
`mindspore.runtime.memory_reserved`	返回内存池当前管理的内存总量。
`mindspore.runtime.memory_stats`	返回从内存池查询到的状态信息。
`mindspore.runtime.memory_summary`	返回可读的内存池状态信息。
`mindspore.runtime.reset_max_memory_reserved`	重置被内存池所管理的内存的峰值。
`mindspore.runtime.reset_max_memory_allocated`	重置内存池真实被Tensor占用的内存大小的峰值。
`mindspore.runtime.reset_peak_memory_stats`	重置内存池中的全部峰值。
`mindspore.runtime.empty_cache`	清理内存池中的内存碎片，优化内存排布。
`mindspore.runtime.set_memory`	设置使用内存池实现的运行时设备内存管理的内存参数。

`mindspore.runtime.communication_stream`	返回此设备上的通信流。
`mindspore.runtime.current_stream`	返回此设备上正在使用的流。
`mindspore.runtime.default_stream`	返回此设备上的默认流。
`mindspore.runtime.set_cur_stream`	设置当前流，这是用于设置流的包装器API。
`mindspore.runtime.synchronize`	同步当前设备上的所有流。
`mindspore.runtime.Stream`	基于设备流的封装器。
`mindspore.runtime.StreamCtx`	上下文管理器，用于选择给定的流。

设备事件的封装器。