全域配置選項

NumPy 有一些匯入時、編譯時或執行時配置選項，可以變更全域行為。其中大多數與效能或除錯目的相關，對於絕大多數使用者來說並不重要。

效能相關選項

用於線性代數的執行緒數量

NumPy 本身在函式呼叫期間通常會有意限制為單執行緒，但是它支援同時執行多個 Python 執行緒。請注意，為了實現高效能的線性代數，NumPy 使用 BLAS 後端（例如 OpenBLAS 或 MKL），它可能會使用多個執行緒，這些執行緒可以透過環境變數（例如 OMP_NUM_THREADS）來控制，具體取決於所使用的後端。控制執行緒數量的一種方法是使用 threadpoolctl 套件

Linux 上的 madvise hugepage

在現代 Linux 核心上處理非常大的陣列時，當使用 透明巨頁 時，您可以體驗到顯著的加速。透明巨頁的目前系統策略可以透過以下方式查看

cat /sys/kernel/mm/transparent_hugepage/enabled

當設定為 madvise 時，NumPy 通常會使用巨頁來提升效能。此行為可以透過設定環境變數來修改

NUMPY_MADVISE_HUGEPAGE=0

或將其設定為 1 以始終啟用它。如果未設定，則預設是在 Kernel 4.6 及更新版本上使用 madvise。據推測，這些核心在使用巨頁支援時可以體驗到大幅加速。此標誌會在匯入時檢查。

SIMD 功能選擇

設定 NPY_DISABLE_CPU_FEATURES 將在執行時排除 simd 功能。請參閱 執行時調度。

除錯相關選項

在釋放資料時，如果沒有記憶體配置策略則發出警告

有些使用者可能會透過設定 OWNDATA 標誌將資料指標的所有權傳遞給 ndarray。如果他們在沒有（手動）設定記憶體配置策略的情況下執行此操作，則預設行為是呼叫 free。如果 NUMPY_WARN_IF_NO_MEM_POLICY 設定為 "1"，則會發出 RuntimeWarning。更好的替代方案是使用帶有釋放器的 PyCapsule 並設定 ndarray.base。

在 1.25.2 版本中變更：此變數僅在首次匯入時檢查。