CUDA 环境变量

有关 CUDA 运行时环境变量的更多信息，请参阅 CUDA Environment Variables。

PyTorch 环境变量

变量	描述
PYTORCH_NO_CUDA_MEMORY_CACHING	如果设置为 1，则禁用 CUDA 中的内存分配缓存。这对于调试很有用。
PYTORCH_CUDA_ALLOC_CONF	有关此环境变量更深入的解释，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 驱动程序是否正常工作，而不是使用 CUDA 运行时。这有助于解决 fork 进程出现 CUDA 初始化错误的问题。
TORCH_CUDNN_V8_API_LRU_CACHE_LIMIT	cuDNN v8 API 的缓存限制。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 表示没有限制，设置为负值表示没有缓存。
TORCH_CUDNN_V8_API_DISABLED	如果设置为 1，则禁用 cuDNN v8 API。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，则启用 NCCL 中的非阻塞错误处理。
TORCH_NCCL_AVOID_RECORD_STREAMS	如果设置为 0，则启用回退到基于记录流的 NCCL 同步行为。
TORCH_CUDNN_V8_API_DEBUG	如果设置为 1，则检查 cuDNN V8 是否正在使用。

CUDA 运行时和库环境变量

变量	描述
CUDA_VISIBLE_DEVICES	逗号分隔的 GPU 设备 ID 列表，应提供给 CUDA 运行时。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	此环境变量用于为每次分配设置 cuBLAS 的工作空间配置。格式为 :[SIZE]:[COUNT]。例如，每次分配的默认工作空间大小为 CUBLAS_WORKSPACE_CONFIG=:4096:2:16:8，指定总大小为 2 * 4096 + 8 * 16 KiB。要强制 cuBLAS 避免使用工作空间，请设置 CUBLAS_WORKSPACE_CONFIG=:0:0。
CUDNN_CONV_WSCAP_DBG	与 CUBLAS_WORKSPACE_CONFIG 类似，此环境变量用于为每次分配设置 cuDNN 的工作空间配置。
CUBLASLT_WORKSPACE_SIZE	与 CUBLAS_WORKSPACE_CONFIG 类似，此环境变量用于设置 cuBLASLT 的工作空间大小。
CUDNN_ERRATA_JSON_FILE	可以设置为 errata 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优。
NVIDIA_TF32_OVERRIDE	如果设置为 0，则全局禁用所有内核的 TF32，覆盖所有 PyTorch 设置。