Torch 环境变量¶

PyTorch 利用环境变量调整各种影响其运行时行为的设置。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 核的执行、指定并行处理任务的线程数等等。

此外，PyTorch 还利用了几个高性能库，例如 MKL 和 cuDNN，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使得开发环境具有高度可定制性，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遗漏、错误或可以改进的地方，请通过提交 issue 或发起 pull request 告知我们。