torch环境变量设置

在PyTorch中，环境变量设置对于优化性能和管理资源至关重要。以下是一些主要的Torch环境变量：

1. **CUDA_VISIBLE_DEVICES**: 如果你使用GPU进行计算，这个变量可以指定哪些GPU设备应该被PyTorch识别和使用。例如，`export CUDA_VISIBLE_DEVICES=0,1`会启用GPU 0和1。

2. **TORCH_HOME** 或 **PYTORCH_HOME**: 这个变量指向你的PyTorch安装目录，用于缓存数据和模型。如果你不设置，它通常默认为`~/.torch`（用户主目录下的.torch文件夹）。

3. **CUDA_LAUNCH_BLOCKING**: 如果你需要调试GPU并行执行的问题，可以设置为1，这样每次计算都会在一个线程块中执行，有助于追踪错误。

4. **NCCL_DEBUG** 或 **NCCL_IB_V2**: 用于控制NCCL（ NVIDIA Collective Communication Library）的日志级别，可以帮助诊断网络通信问题。

5. **MKL_THREADING_LAYER**: 如果你使用Intel的MKL库，设置为`GNU`或`INTELFREE`可调整线程模型。

6. **TORCH_DISTRIBUTED_BACKEND**: 如果你在使用分布式训练，这个环境变量指定后端，如`gloo`, `nccl`, `mpi`等。

7. **CUDNN_AUTOTUNE_DEFAULT**: 控制CUDNN（CUDA Deep Neural Network Library）是否自动选择最佳算法，1表示启用。

为了查看或设置这些变量，你可以使用命令行或shell脚本，例如在bash或zsh中：

export TORCH_HOME=/path/to/your/torch/home
export CUDA_LAUNCH_BLOCKING=1

如果你想持久化设置，可以将这些添加到你的shell配置文件（如`~/.bashrc`, `~/.zshrc`）中。