%%time 测的是提交时间而非执行完成时间，gpu 计算需用 torch.cuda.synchronize() 同步；wall time 远大于 cpu times 时提示存在 i/o、等待或异步未同步；精确测速应优先用 %%timeit。
直接用 %%time 就能测整个单元格的总耗时，但默认不等 GPU 计算完成，容易误判性能。
%%time 必须放在单元格第一行
它不是普通函数，而是单元格级魔法命令，位置错就失效：
-
%%time必须独占第一行，后面不能跟任何代码或空格 - 第二行开始才是你要计时的代码，哪怕只有一行也要换行写
- 如果写成
%%time import torch，Jupyter 会报错SyntaxError: invalid syntax
%%time 测的是“提交时间”，不是“执行完成时间”（尤其对 CUDA）
PyTorch/TensorFlow 在 GPU 上的操作默认异步，%%time 只记录到任务提交完毕、控制权交还 Python 的那一刻：
- 比如
z = torch.mm(x.cuda(), y.cuda())，%%time可能只显示几毫秒 - 真实计算耗时要靠
torch.cuda.synchronize()强制等待 GPU 完成 - CPU 上的纯计算（如
sorted(list(range(10**6)))）不受此影响，%%time结果可信
Wall time 和 CPU times 不一致时，说明有阻塞或并发行为
输出里同时出现两组时间，它们含义不同：
-
CPU times: user X ms, sys Y ms—— 真实占用 CPU 的时间总和 -
Wall time: Z ms—— 从开始到结束的真实流逝时间 - 当
Z >> X + Y，常见于：磁盘 I/O、网络请求、time.sleep()、多线程等待、GPU 异步未同步
需要多次运行取平均？换用 %%timeit
%%time 只跑一次，受系统负载、缓存、预热影响大；稳定对比建议用 %%timeit：
-
%%timeit自动多次执行（默认 7 轮，每轮自动决定迭代次数），返回均值 ± 标准差 - 它忽略第一行代码（常用来做初始化，比如
x = torch.randn(...).cuda()），从第二行起计时 - 若要包含初始化，得把所有代码写进同一行，或改用
%timeit+ 手动拼接字符串
真正容易被忽略的点是：GPU 同步和 Wall/CPU 时间差的诊断价值——它不是误差，而是线索。没加 torch.cuda.synchronize() 却拿 %%time 结论说“GPU 没加速”，等于拿枪打靶却忘了瞄准镜校准。
