torch.backends

torch.backends 控制 PyTorch 支持的各种后端的行为。

这些后端包括：

• torch.backends.cuda

• torch.backends.cudnn

• torch.backends.mkl

• torch.backends.mkldnn

• torch.backends.openmp

torch.backends.cuda

torch.backends.cuda.is_built()

返回 PyTorch 是否使用 CUDA 支持构建。请注意，此 并不一定意味着 CUDA 可用;只是如果这个 PyTorch binary 运行一台具有正常工作 CUDA 驱动程序和设备的机器，我们 将能够使用它。

torch.backends.cuda.matmul.allow_tf32

一个bool控制是否可以在矩阵中使用 TensorFloat-32 张量核心 Ampere 或更高版本的 GPU 上的乘法。请参阅 Ampere 设备上的 TensorFloat-32（TF32）。

torch.backends.cuda.cufft_plan_cache

cufft_plan_cache缓存 cuFFT 计划

size

一个只读int显示 cuFFT 计划缓存中当前计划的数量。

max_size

一个int控制 cuFFT 计划的缓存容量。

clear()

清除 cuFFT 计划缓存。

torch.backends.cudnn

torch.backends.cudnn.version()

返回 cuDNN 的版本

torch.backends.cudnn.is_available()

返回一个布尔值，指示 CUDNN 当前是否可用。

torch.backends.cudnn.enabled

一个bool控制是否启用 cuDNN。

torch.backends.cudnn.allow_tf32

一个bool控制 TensorFloat-32 张量核心在 cuDNN 中的使用位置 Ampere 或更高版本 GPU 上的卷积。请参阅 Ampere 设备上的 TensorFloat-32（TF32）。

torch.backends.cudnn.deterministic

一个bool如果为 True，则会导致 cuDNN 仅使用确定性卷积算法。 另请参阅torch.are_deterministic_algorithms_enabled()和torch.use_deterministic_algorithms().

torch.backends.cudnn.benchmark

一个bool如果为 True，则会导致 cuDNN 对多个卷积算法进行基准测试 并选择最快的。

torch.backends.mkl 中

torch.backends.mkl.is_available()

返回 PyTorch 是否使用 MKL 支持构建。

torch.backends.mkldnn

torch.backends.mkldnn.is_available()

返回 PyTorch 是否使用 MKL-DNN 支持构建。

torch.backends.openmp

torch.backends.openmp.is_available()

返回 PyTorch 是否使用 OpenMP 支持构建。