PyTorch 环境变量#
创建日期: 2024 年 2 月 15 日 | 最后更新日期: 2025 年 6 月 10 日
PyTorch 利用环境变量来调整影响其运行时行为的各种设置。这些变量可以控制关键功能，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 MKL 和 cuDNN 等多种高性能库，这些库也利用环境变量来修改其功能。这种设置的相互作用允许高度可定制的开发环境，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 及其相关库相关的广泛环境变量，但它并非详尽无遗。如果您在本文档中发现任何遗漏、不正确或可以改进的地方，请通过提交 issue 或打开 pull request 告知我们。
