C++ TensorFlow定制Op在单独的流中启动CUDA内核

我已经写了一个自定义的TensorFlow运算，它看起来有点像矩阵乘法。它接受一个具有形状（n，p）的张量X和另一个具有形状（m，p）的张量Y，并输出一个具有形状（n，m）的结果张量Z

我已经成功地在CUDA中编写了正向过程，但在反向过程中，我需要同时计算dX和dY。dX和dY的计算是完全独立的，因此我想启动一个内核来计算dX，另一个用于dY，这样它们就可以并行运行

我在代码中找到的获取流的唯一方法是

constcudastream\u t&cu\u stream=GetCudaStream（ctx）。那么，我如何确保这些梯度是在并行流中完成的，而不是在串行流中完成的呢？我想同样的问题也会出现在矩阵乘法中，但我不知道如何处理它