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 内核的执行、指定用于并行处理任务的线程数等等。

此外，PyTorch 利用了多个高性能库，例如 MKL 和 cuDNN，它们也使用环境变量来修改其功能。这种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，虽然本文档涵盖了与 PyTorch 及其相关库相关的广泛环境变量，但它并非详尽无遗。如果您发现本文档中有任何遗漏、不正确或可以改进的地方，请通过提交 issue 或打开 pull request 告知我们。