mindspore.set_context

mindspore.set_context(**kwargs)[源代码]

设置运行环境的context，此接口将在后续版本中废弃，参数相关功能将通过新API接口提供。

参数：

mode (int) - GRAPH_MODE（用0表示）或PYNATIVE_MODE（用1表示）。默认 PYNATIVE_MODE 。
device_id (int) - 目标设备的ID，默认 0 。此参数将在后续版本中废弃，请使用接口 mindspore.set_device() 代替。
device_target (str) - 程序运行的目标设备，支持 "Ascend"、 "GPU" 和 "CPU"。此参数将在后续版本中废弃，请使用接口 mindspore.set_device() 代替。
deterministic (str) - 算子确定性计算，默认 "OFF" 。此参数将在后续版本中废弃，请使用接口 mindspore.set_deterministic() 代替。
max_call_depth (int) - 函数调用最大深度，默认 1000 。此参数将在后续版本中废弃，请使用接口 mindspore.set_recursion_limit() 代替。
variable_memory_max_size (str) - 此参数将在后续版本中废弃，请使用接口 mindspore.runtime.set_memory() 代替。
mempool_block_size (str) - 设置设备内存池的块大小，默认 "1GB" 。此参数将在后续版本中废弃，请使用接口 mindspore.runtime.set_memory() 代替。
memory_optimize_level (str) - 内存优化级别，默认 "O0" 。此参数将在后续版本中废弃，请使用接口 mindspore.runtime.set_memory() 代替。
max_device_memory (str) - 设置设备可用的最大内存，默认 "1024GB" 。此参数将在后续版本中废弃，请使用接口 mindspore.runtime.set_memory() 代替。
pynative_synchronize (bool) - 是否启动设备同步执行，默认 False 。此参数将在后续版本中废弃，请使用接口 mindspore.runtime.launch_blocking() 代替。
compile_cache_path (str) - 保存编译缓存的路径，默认 "." 。此参数将在后续版本中废弃，请使用环境变量 MS_COMPILER_CACHE_PATH 代替。
inter_op_parallel_num (int) - 算子间并行数控制，默认 0 。此参数将在后续版本中废弃。请使用接口 mindspore.runtime.dispatch_threads_num() 代替。
memory_offload (str) - 是否开启Offload功能，默认 "OFF" 。此参数将在后续版本中废弃，请使用接口 mindspore.nn.Cell.offload() 代替。
disable_format_transform (bool) - 是否取消NCHW到NHWC的自动格式转换功能，默认 False 。此参数将在后续版本中废弃，请使用接口 mindspore.jit() 相关参数代替。
jit_syntax_level (int) - 设置jit语法支持级别，默认 LAX 。此参数将在后续版本中废弃，请使用接口 mindspore.jit() 相关参数代替。
jit_config (dict) - 设置全局编译选项。此参数将在后续版本中废弃，请使用接口 mindspore.jit() 相关参数代替。
exec_order (str) - 算子执行时的排序方法，此参数将在后续版本中废弃，请使用接口 mindspore.jit() 相关参数代替。
op_timeout (int) - 设置一个算子的最大执行时间。默认 900 。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.ascend.op_debug.execute_timeout() 代替。
aoe_tune_mode (str) - AOE调优。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.ascend.op_tuning.aoe_tune_mode() 代替。
aoe_config (dict) - aoe专用参数。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.ascend.op_tuning.aoe_job_type() 代替。
runtime_num_threads (int) - 运行时actor和CPU算子核使用的线程池线程数，默认 30 。此参数将在后续版本中废弃。请使用接口 mindspore.device_context.cpu.op_tuning.threads_num() 代替。
save_graphs (bool 或 int) - 表示是否保存中间编译图。默认 0 。此参数将在后续版本中废弃，请使用环境变量 MS_DEV_SAVE_GRAPHS 代替。
save_graphs_path (str) - 表示保存计算图的路径。默认 "." 。此参数将在后续版本中废弃，请使用环境变量 MS_DEV_SAVE_GRAPHS_PATH 代替。
precompile_only (bool) - 是否仅预编译网络，默认 False 。此参数将在后续版本中废弃，请使用环境变量 MS_DEV_PRECOMPILE_ONLY 代替。
enable_compile_cache (bool) - 是否加载或者保存图编译缓存，默认 False 。此参数将在后续版本中废弃，请使用环境变量 MS_COMPILER_CACHE_ENABLE 代替。
ascend_config (dict) - 设置Ascend硬件平台参数。
- precision_mode (str): 混合精度模式设置。此参数将在后续版本中废弃，默认 "force_fp16" 。请使用接口 mindspore.device_context.ascend.op_precision.precision_mode() 代替。
- jit_compile (bool): 是否在线编译。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.ascend.op_tuning.op_compile() 代替。
- matmul_allow_hf32 (bool): 是否为Matmul类算子使能FP32转换为HF32，默认 False 。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.ascend.op_precision.matmul_allow_hf32() 代替。
- conv_allow_hf32 (bool): 是否为Conv类算子使能FP32转换为HF32，默认 True 。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.ascend.op_precision.conv_allow_hf32() 代替。
- op_precision_mode (str): 算子精度模式配置文件路径。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.ascend.op_precision.op_precision_mode() 代替。
- op_debug_option (str): Ascend算子调试配置。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.ascend.op_debug.debug_option() 代替。
- ge_options (dict): 设置CANN的options配置项。此参数将在后续版本中废弃，请使用接口 mindspore.jit() 代替。
- atomic_clean_policy (int): 清理网络中atomic算子占用的内存的策略。默认 1 , 不集中清理。 0 表示集中清理。此参数将在后续版本中废弃，请使用接口 mindspore.jit() 相关参数代替。
- exception_dump (str): 开启Ascend算子异常dump。默认 "2"。此参数已废弃，请使用接口 mindspore.device_context.ascend.op_debug.aclinit_config() 代替。
- host_scheduling_max_threshold (int): 控制根图是否使用动态shape调度的最大阈值，默认 0 。此参数将在后续版本中废弃，请使用接口 mindspore.jit() 相关参数代替。
- parallel_speed_up_json_path (Union[str, None]): 并行加速配置文件，此参数将在后续版本中废弃，请使用接口 mindspore.parallel.auto_parallel.AutoParallel.transformer_opt() 代替。
- hccl_watchdog (bool): 开启一个线程监控集合通信故障。默认 True 。
gpu_config (dict) - 设置GPU硬件平台专用参数，默认不设置。
- conv_fprop_algo (str): 指定cuDNN的卷积前向算法，默认 "normal" 。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.gpu.op_tuning.conv_fprop_algo() 代替。
- conv_dgrad_algo (str): 指定cuDNN的卷积输入数据的反向算法，默认 "normal" 。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.gpu.op_tuning.conv_dgrad_algo() 代替。
- conv_wgrad_algo (str): 指定cuDNN的卷积输入卷积核的反向算法，默认 "normal" 。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.gpu.op_tuning.conv_wgrad_algo() 代替。
- conv_allow_tf32 (bool): 是否开启卷积在cuDNN下的TF32张量核计算，默认 True 。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.gpu.op_precision.conv_allow_tf32() 代替。
- matmul_allow_tf32 (bool): 是否开启矩阵乘在CUBLAS下的TF32张量核计算，默认 False 。此参数将在后续版本中废弃，请使用接口 mindspore.device_context.gpu.op_precision.matmul_allow_tf32() 代替。
print_file_path (str) - 此参数将在后续版本中废弃。
env_config_path (str) - 此参数将在后续版本中废弃。
debug_level (int) - 此参数将在后续版本中废弃。
reserve_class_name_in_scope (bool) - 此参数将在后续版本中废弃。
check_bprop (bool) - 此参数将在后续版本中废弃。
enable_reduce_precision (bool) - 此参数将在后续版本中废弃。
grad_for_scalar (bool) - 此参数将在后续版本中废弃。
support_binary (bool) - 是否支持在图模式下运行.pyc或.so。

样例：

>>> import mindspore as ms
>>> ms.set_context(mode=ms.PYNATIVE_MODE)
>>> ms.set_context(precompile_only=True)
>>> ms.set_context(device_target="Ascend")
>>> ms.set_context(device_id=0)
>>> ms.set_context(save_graphs=True, save_graphs_path="./model.ms")
>>> ms.set_context(enable_reduce_precision=True)
>>> ms.set_context(reserve_class_name_in_scope=True)
>>> ms.set_context(variable_memory_max_size="6GB")
>>> ms.set_context(aoe_tune_mode="online")
>>> ms.set_context(aoe_config={"job_type": "2"})
>>> ms.set_context(check_bprop=True)
>>> ms.set_context(max_device_memory="3.5GB")
>>> ms.set_context(mempool_block_size="1GB")
>>> ms.set_context(print_file_path="print.pb")
>>> ms.set_context(max_call_depth=80)
>>> ms.set_context(env_config_path="./env_config.json")
>>> ms.set_context(grad_for_scalar=True)
>>> ms.set_context(enable_compile_cache=True, compile_cache_path="./cache.ms")
>>> ms.set_context(pynative_synchronize=True)
>>> ms.set_context(runtime_num_threads=10)
>>> ms.set_context(inter_op_parallel_num=4)
>>> ms.set_context(disable_format_transform=True)
>>> ms.set_context(memory_optimize_level='O0')
>>> ms.set_context(memory_offload='ON')
>>> ms.set_context(deterministic='ON')
>>> ms.set_context(ascend_config={"precision_mode": "force_fp16", "jit_compile": True,
...                "atomic_clean_policy": 1, "op_precision_mode": "./op_precision_config_file",
...                "op_debug_option": "oom",
...                "ge_options": {"global": {"ge.opSelectImplmode": "high_precision"},
...                               "session": {"ge.exec.atomicCleanPolicy": "0"}}})
>>> ms.set_context(jit_syntax_level=ms.STRICT)
>>> ms.set_context(debug_level=ms.context.DEBUG)
>>> ms.set_context(gpu_config={"conv_fprop_algo": "performance", "conv_allow_tf32": True,
...                "matmul_allow_tf32": True})
>>> ms.set_context(jit_config={"jit_level": "O0"})
>>> ms.set_context(exec_order="bfs")