PyTorch 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设置，这些设置会影响其运行时行为。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 还利用多个高性能库，例如 MKL 和 cuDNN，它们也使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，虽然此文档涵盖了与 PyTorch 及其相关库相关的广泛环境变量，但并非详尽无遗。如果您发现本文档中缺少、不正确或可以改进的内容，请通过提交 issue 或发起 pull request 告知我们。
