Torch 环境变量¶

PyTorch 利用环境变量来调整影响其运行时行为的各种设置。这些变量可以控制关键功能，例如在遇到错误时显示 C++ 堆栈跟踪、同步 CUDA 内核的执行、指定用于并行处理任务的线程数等等。

此外，PyTorch 利用几个高性能库（例如 MKL 和 cuDNN），这些库也使用环境变量来修改其功能。这些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，虽然此文档涵盖了与 PyTorch 及其关联库相关的广泛的环境变量，但它并不详尽。如果您在此文档中发现任何缺失、错误或可以改进的内容，请通过提交问题或打开拉取请求告诉我们。