全局配置选项

NumPy 有一些在导入时、编译时或运行时可配置的选项，这些选项会改变全局行为。其中大部分与性能或调试目的相关，对于绝大多数用户来说并不重要。

与性能相关的选项

用于线性代数的线程数

NumPy 本身在函数调用期间通常被有意地限制为单线程，但它支持同时运行多个 Python 线程。请注意，为了获得高性能的线性代数，NumPy 会使用 BLAS 后端（如 OpenBLAS 或 MKL），这些后端可能会使用多个线程，具体取决于使用的 BLAS，这些线程可能受 OMP_NUM_THREADS 等环境变量的控制。控制线程数的一种方法是使用 threadpoolctl 包。

Linux 上的 madvise hugepage

在使用现代 Linux 内核处理非常大的数组时，如果使用 透明大页 (transparent hugepage)，您可能会体验到显著的速度提升。当前的透明大页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。可以通过设置环境变量来修改此行为：

NUMPY_MADVISE_HUGEPAGE=0

或者将其设置为 1 以始终启用它。未设置时，对于内核 4.6 及更新版本，默认值为使用 madvise。这些内核可能因大页支持而获得显著的速度提升。此标志在导入时检查。

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。

与调试相关的选项

取消分配数据时，如果未设置内存分配策略，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。如果他们在这样做时未（手动）设置内存分配策略，默认情况下将调用 free。如果 NUMPY_WARN_IF_NO_MEM_POLICY 设置为 "1"，则会发出 RuntimeWarning。更好的替代方法是使用带有 deallocator 的 PyCapsule 并设置 ndarray.base。

版本 1.25.2 中已更改：此变量仅在首次导入时检查。