(base) PS D:\pythonProject\face> export MKL_THREADING_LAYER=GNU export : 无法将“export”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确保路径正确，然后再试一次。 所在位置 行:1 字符: 1 + export MKL_THREADING_LAYER=GNU + ~~~~~~ + CategoryInfo : ObjectNotFound: (export:String) [], CommandNotFoundException + FullyQualifiedErrorId : CommandNotFoundException 什么意思

这个错误提示意味着你正在使用 Windows 操作系统，而 `export` 命令是 Linux 和 macOS 操作系统中用来设置环境变量的命令。

在 Windows 中，设置环境变量的命令是 `set`。你可以使用以下命令来设置 `MKL_THREADING_LAYER` 环境变量：

set MKL_THREADING_LAYER=GNU

在设置完环境变量后，你可以启动 Python 并导入 PyTorch 模块进行测试，具体的步骤可以参考我之前的回答。

相关问题

2023-07-24 10:21:46.440450: F d:\build\tensorflow\tensorflow-r1.9\tensorflow\core\kernels\mkl_relu_op.cc:328] Check failed: dnnReLUCreateBackward_F32(&mkl_context.prim_relu_bwd, 0, mkl_context.lt_grad, mkl_context.lt_grad, negative_slope) == E_SUCCESS (-1 vs. 0)

这个错误信息来自于 TensorFlow 的 MKL（Math Kernel Library）ReLU 操作的代码。它表明在创建 ReLU 反向传播操作时出现了错误。具体地说，这个错误检查失败的原因可能是由于 dnnReLUCreateBackward_F32 函数返回的结果与预期的 E_SUCCESS 值不一致。

要解决这个问题，你可以尝试以下几个步骤：

1. 确保你正在使用的 TensorFlow 版本与代码中指定的 TensorFlow 版本一致。可以尝试更新 TensorFlow 或者使用与代码兼容的版本。

2. 检查你的代码中是否存在其他与 MKL 相关的设置或调用，例如设置环境变量或调用相关函数。确保这些设置和调用是正确的，并且与你的系统和 TensorFlow 版本兼容。

3. 如果你的代码基于某个开源项目或框架，可以搜索相关错误信息或在项目的 issue 页面中查找解决方案。其他人可能已经遇到过类似的问题并提供了解决方法。

4. 如果以上步骤都没有解决问题，你可以尝试在 TensorFlow 官方论坛或社区中提问，详细描述你的问题和环境配置，以便其他开发者能够帮助你解决这个问题。

希望这些提示能够帮助你解决问题！如有需要，请继续提问。

如何在“编辑环境变量”窗口中，点击“新建”按钮，然后输入变量名和变量值。在这个例子中，变量名为“MKL_THREADING_LAYER”，变量值为“GNU”。

在“编辑环境变量”窗口中，点击“新建”按钮后，会弹出“新建系统变量”窗口，然后按照以下步骤输入变量名和变量值：

1. 在“变量名”文本框中输入变量名“MKL_THREADING_LAYER”。

2. 在“变量值”文本框中输入变量值“GNU”。

3. 点击“确定”按钮保存设置，然后关闭所有窗口。

注意，这里设置的是系统变量，对所有用户和程序都生效。如果你只想设置当前用户的环境变量，可以在“用户变量”中进行设置，具体的步骤和上述类似。