Torch 环境变量#
创建于: 2024年2月15日 | 最后更新于: 2025年6月10日
PyTorch 利用环境变量来调整各种影响其运行时行为的设置。这些变量提供了对关键功能的控制，例如在遇到错误时显示 C++ 堆栈跟踪、同步 CUDA 内核的执行、指定并行处理任务的线程数等等。
此外，PyTorch 还利用了 MKL 和 cuDNN 等几个高性能库，这些库也使用环境变量来修改其功能。这些设置的相互作用允许一个高度可定制的开发环境，该环境可以针对效率、调试和计算资源管理进行优化。
请注意，尽管本文档涵盖了与 PyTorch 及其关联库相关的广泛环境变量，但并非详尽无遗。如果您在本文档中发现任何遗漏、不正确或可以改进之处，请通过提交 issue 或 pull request 告知我们。
