全局配置选项

NumPy 有一些导入时、编译时或运行时的配置选项，这些选项会改变全局行为。大多数这些选项与性能或调试目的相关，对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 本身通常有意地限制在函数调用期间仅使用单个线程，但是它确实支持同时运行多个 Python 线程。请注意，对于高性能线性代数，NumPy 使用 BLAS 后端（例如 OpenBLAS 或 MKL），这些后端可能会使用多个线程，这些线程可能由环境变量（例如 OMP_NUM_THREADS）控制，具体取决于使用了什么。控制线程数的一种方法是使用 threadpoolctl 包。

在 Linux 上使用 madvise hugepage

在现代 Linux 内核上处理非常大的数组时，当使用 透明巨页 时，您可以体验到显著的加速。当前系统的透明巨页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 通常会使用巨页来提高性能。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。如果未设置，则默认为在内核 4.6 和更高版本上使用 madvise。这些内核可能通过巨页支持体验到大幅加速。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。

与调试相关的选项

在释放数据时，如果内存分配策略不存在则发出警告

某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。如果他们在没有（手动）设置内存分配策略的情况下这样做，则默认情况下将调用 free。如果 NUMPY_WARN_IF_NO_MEM_POLICY 设置为 "1"，则会发出 RuntimeWarning。更好的方法是使用带有释放器的 PyCapsule 并设置 ndarray.base。

版本 1.25.2 中的更改: 此变量仅在第一次导入时检查。