CUDA 环境变量
有关 CUDA 运行时环境变量的更多信息，请参阅 CUDA 环境变量。
PyTorch 环境变量
变量 |
描述 |
|---|
PYTORCH_NO_CUDA_MEMORY_CACHING
|
如果设置为 1，则禁用在 CUDA 中缓存内存分配。这对于调试很有用。 |
PYTORCH_CUDA_ALLOC_CONF
|
有关此环境变量的更深入解释，请参阅 内存管理。 |
PYTORCH_NVML_BASED_CUDA_CHECK
|
如果设置为 1，在导入检查 CUDA 是否可用的 PyTorch 模块之前，PyTorch 将使用 NVML 检查 CUDA 驱动程序是否正常运行，而不是使用 CUDA 运行时。如果分叉进程因 CUDA 初始化错误而失败，这将很有用。 |
TORCH_CUDNN_V8_API_LRU_CACHE_LIMIT
|
cuDNN v8 API 的缓存限制。这用于限制 cuDNN v8 API 使用的内存。默认值为 10000，假设每个 ExecutionPlan 为 200KiB，这大致对应于 2GiB。设置为 0 表示无限制，或设置为负值表示无缓存。 |
TORCH_CUDNN_V8_API_DISABLED
|
如果设置为 1，则禁用 cuDNN v8 API。并将回退到 cuDNN v7 API。 |
TORCH_ALLOW_TF32_CUBLAS_OVERRIDE
|
如果设置为 1，则强制启用 TF32，覆盖 set_float32_matmul_precision 设置。 |
TORCH_NCCL_USE_COMM_NONBLOCKING
|
如果设置为 1，则在 NCCL 中启用非阻塞错误处理。 |
TORCH_NCCL_AVOID_RECORD_STREAMS
|
如果设置为 0，则启用回退到基于记录流的同步行为在 NCCL 中。 |
TORCH_CUDNN_V8_API_DEBUG
|
如果设置为 1，则检查是否正在使用 cuDNN V8。 |
CUDA 运行时和库环境变量
变量 |
描述 |
|---|
CUDA_VISIBLE_DEVICES
|
应使 CUDA 运行时可用的 GPU 设备 ID 的逗号分隔列表。如果设置为 -1，则没有 GPU 可用。 |
CUDA_LAUNCH_BLOCKING
|
如果设置为 1，则使 CUDA 调用同步。这对于调试很有用。 |
CUBLAS_WORKSPACE_CONFIG
|
此环境变量用于设置每个分配的 cuBLAS 工作区配置。格式为 :[SIZE]:[COUNT]。例如，每个分配的默认工作区大小为 CUBLAS_WORKSPACE_CONFIG=:4096:2:16:8，它指定了总大小为 2 * 4096 + 8 * 16 KiB。要强制 cuBLAS 避免使用工作区，请设置 CUBLAS_WORKSPACE_CONFIG=:0:0。 |
CUDNN_CONV_WSCAP_DBG
|
与 CUBLAS_WORKSPACE_CONFIG 类似，此环境变量用于设置每个分配的 cuDNN 工作区配置。 |
CUBLASLT_WORKSPACE_SIZE
|
与 CUBLAS_WORKSPACE_CONFIG 类似，此环境变量用于设置 cuBLASLT 的工作区大小。 |
CUDNN_ERRATA_JSON_FILE
|
可以设置为一个错误修复过滤器的文件路径，该过滤器可以传递给 cuDNN 以避免特定的引擎配置，主要用于调试或硬编码自动调整。 |
NVIDIA_TF32_OVERRIDE
|
如果设置为 0，则在所有内核中全局禁用 TF32，覆盖所有 PyTorch 设置。 |
