全局配置选项

NumPy 有一些导入时、编译时或运行时配置选项，它们会改变全局行为。其中大多数与性能或调试目的相关，对绝大多数用户来说并不感兴趣。

性能相关选项

用于线性代数的线程数

NumPy 本身在函数调用期间通常有意限制为单线程，但它确实支持多个 Python 线程同时运行。请注意，为了实现高性能线性代数，NumPy 使用 BLAS 后端（例如 OpenBLAS 或 MKL），这些后端可能会使用多个线程，而这些线程可能受环境变量（例如 OMP_NUM_THREADS）的控制，具体取决于所使用的后端。控制线程数的一种方法是使用 threadpoolctl 包。

Linux 上的 madvise 大页

在现代 Linux 内核上处理超大数组时，当使用透明大页（transparent hugepage）时，您会体验到显著的加速。透明大页的当前系统策略可以通过以下方式查看：

cat /sys/kernel/mm/transparent_hugepage/enabled

当设置为 madvise 时，NumPy 通常会使用大页来提升性能。此行为可以通过设置环境变量来修改：

NUMPY_MADVISE_HUGEPAGE=0

或者将其设置为 1 以始终启用它。如果未设置，默认情况下在内核 4.6 及更高版本上使用 madvise。这些内核预计在使用大页支持时会获得显著的速度提升。此标志在导入时进行检查。

SIMD 功能选择

设置 NPY_DISABLE_CPU_FEATURES 将在运行时排除 SIMD 功能。请参阅 运行时调度。

调试相关选项

如果释放数据时没有内存分配策略则发出警告

一些用户可能会通过设置 OWNDATA 标志将数据指针的所有权传递给 ndarray。如果他们这样做而未（手动）设置内存分配策略，默认将调用 free。如果将 NUMPY_WARN_IF_NO_MEM_POLICY 设置为 "1"，将发出 RuntimeWarning 警告。一个更好的替代方案是使用带有解除分配器的 PyCapsule 并设置 ndarray.base。

1.25.2 版中的变更：此变量仅在首次导入时检查。