全局配置选项

NumPy 有几个导入时、编译时或运行时的配置选项，这些选项会改变全局行为。其中大多数与性能或调试目的有关，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 本身通常在函数调用期间有意地限制为单个线程，但它确实支持多个 Python 线程同时运行。请注意，为了获得高性能的线性代数，NumPy 使用 BLAS 后端（如 OpenBLAS 或 MKL），这些后端可能会使用多个线程，这些线程可以通过环境变量（如 OMP_NUM_THREADS）控制，具体取决于使用的是什么。控制线程数量的一种方法是包 threadpoolctl

在 Linux 上 madvise 大页

当在现代 Linux 内核上处理非常大的数组时，使用 透明大页 可以显着提高速度。当前系统的透明大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 通常会使用大页来提高性能。可以通过设置环境变量来修改此行为

NUMPY_MADVISE_HUGEPAGE=0

或将其设置为 1 以始终启用它。当未设置时，默认情况下在内核 4.6 及更高版本上使用 madvise。这些内核可能在支持大页时会看到大幅度加速。此标志在导入时进行检查。

SIMD 特征选择

设置 NPY_DISABLE_CPU_FEATURES 将在运行时排除 simd 特征。请参阅 运行时调度.

与调试相关的选项

在释放数据时，如果未设置内存分配策略，则发出警告

某些用户可能会通过设置 OWNDATA 标志来将数据指针的所有权传递给 ndarray。如果他们在没有设置（手动）内存分配策略的情况下执行此操作，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。更好的选择是使用带有释放器的 PyCapsule 并设置 ndarray.base。

在 1.25.2 版中变更: 此变量仅在第一次导入时进行检查。