6、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，这并不一定意味着 CUDA 可用； 只是如果这个 PyTorch 二进制文件在一台带有工作 CUDA 驱动程序和设备的机器上运行，我们将能够使用它。

torch.backends.cuda.matmul.allow_tf32

控制 TensorFloat-32 张量核心是否可用于 Ampere 或更新 GPU 上的矩阵乘法的布尔值。 请参阅安培设备上的 TensorFloat-32(TF32)。

torch.backends.cuda.cufft_plan_cache

cufft_plan_cache 缓存 cuFFT 计划

size

一个只读整数，显示当前在 cuFFT 计划缓存中的计划数。

max_size

控制 cuFFT 计划的缓存容量的 int。

clear()

Clears the cuFFT plan cache.

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

控制是否启用 cuDNN 的布尔值。

torch.backends.cudnn.allow_tf32

控制 TensorFloat-32 张量核心在 Ampere 或更新 GPU 上的 cuDNN 卷积中可以使用的位置的布尔值。 请参阅安培设备上的 TensorFloat-32(TF32)。

torch.backends.cudnn.deterministic

一个布尔值，如果为 True，则导致 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

一个布尔值，如果为 True，则导致 cuDNN 对多个卷积算法进行基准测试并选择最快的。

torch.backends.mkl

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。