CUDA 环境变量

有关 CUDA 运行时环境变量的更多信息，请参见 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，请参见 内存管理.
PYTORCH_NVML_BASED_CUDA_CHECK	如果设置为 1，则在导入检查 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。如果分叉的进程在 CUDA 初始化时出现错误，这将很有帮助。
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，假设每个执行计划为 200KiB，则大致对应于 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 NCCL 中基于记录流的同步行为。
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，则没有任何 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 工作空间配置。格式为 :[SIZE]:[COUNT]。例如，每个分配的默认工作空间大小为 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，此环境变量用于设置每个分配的 cuDNN 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	可以设置为错误过滤器文件路径，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。