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影响其运行时行为的各种设置。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 利用了 MKL 和 cuDNN 等多种高性能库，这些库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，本文档涵盖了与 PyTorch 及其相关库相关的大量环境变量，但并非详尽无遗。如果您发现本文档中有任何缺失、不正确或可以改进的地方，请通过提交问题或打开拉取请求告知我们。