mindspore.set_context
======================
.. py:function:: mindspore.set_context(**kwargs)
设置运行环境的context。
在运行程序之前，应配置context。如果没有配置，默认情况下将根据设备目标进行自动设置。
.. note::
设置属性时，必须输入属性名称。net初始化后不建议更改模式，因为一些操作的实现在Graph模式和PyNative模式下是不同的。默认值： ``PYNATIVE_MODE`` 。
某些配置适用于特定的设备，某些参数将会在未来版本中废弃并移除（在第二列中用D标记），建议使用第四列的方法代替。
有关详细信息，请参见下表：
+-------------------------+------------------------------+----------------------------+----------------------------------------+
| 功能分类 | 配置参数 | 硬件平台支持 | 替换接口 |
+=========================+==============================+============================+========================================+
| 系统配置 | device_id (D) | CPU/GPU/Ascend | :func:`~.set_device` |
| +------------------------------+----------------------------+----------------------------------------+
| | device_target (D) | CPU/GPU/Ascend | :func:`~.set_device` |
| +------------------------------+----------------------------+----------------------------------------+
| | max_device_memory (D) | GPU/Ascend | :func:`~.set_memory` |
| +------------------------------+----------------------------+----------------------------------------+
| | variable_memory_max_size (D)| Ascend | :func:`~.set_memory` |
| +------------------------------+----------------------------+----------------------------------------+
| | mempool_block_size (D) | GPU/Ascend | :func:`~.set_memory` |
| +------------------------------+----------------------------+----------------------------------------+
| | op_timeout (D) | Ascend | :func:`~.execute_timeout` |
+-------------------------+------------------------------+----------------------------+----------------------------------------+
| 调试配置 | save_graphs (D) | CPU/GPU/Ascend | MS_DEV_SAVE_GRAPHS |
| +------------------------------+----------------------------+----------------------------------------+
| | save_graphs_path (D) | CPU/GPU/Ascend | MS_DEV_SAVE_GRAPHS_PATH |
| +------------------------------+----------------------------+----------------------------------------+
| | deterministic (D) | Ascend | :func:`~.set_deterministic` |
| +------------------------------+----------------------------+----------------------------------------+
| | print_file_path | Ascend | NA |
| +------------------------------+----------------------------+----------------------------------------+
| | env_config_path | CPU/GPU/Ascend | NA |
| +------------------------------+----------------------------+----------------------------------------+
| | precompile_only (D) | CPU/GPU/Ascend | MS_DEV_PRECOMPILE_ONLY |
| +------------------------------+----------------------------+----------------------------------------+
| | reserve_class_name_in_scope | CPU/GPU/Ascend | NA |
| +------------------------------+----------------------------+----------------------------------------+
| | pynative_synchronize (D) | CPU/GPU/Ascend | :func:`~.launch_blocking` |
| +------------------------------+----------------------------+----------------------------------------+
| | debug_level (D) | CPU/GPU/Ascend | NA |
+-------------------------+------------------------------+----------------------------+----------------------------------------+
| 执行控制 | mode | CPU/GPU/Ascend | NA |
| +------------------------------+----------------------------+----------------------------------------+
| | enable_reduce_precision | Ascend | NA |
| +------------------------------+----------------------------+----------------------------------------+
| | aoe_tune_mode (D) | Ascend | :func:`~.aoe_tune_mode` |
| +------------------------------+----------------------------+----------------------------------------+
| | aoe_config (D) | Ascend | :func:`~.aoe_job_type` |
| +------------------------------+----------------------------+----------------------------------------+
| | check_bprop (D) | CPU/GPU/Ascend | NA |
| +------------------------------+----------------------------+----------------------------------------+
| | max_call_depth (D) | CPU/GPU/Ascend | :func:`~.set_recursion_limit` |
| +------------------------------+----------------------------+----------------------------------------+
| | grad_for_scalar (D) | CPU/GPU/Ascend | derivative |
| +------------------------------+----------------------------+----------------------------------------+
| | enable_compile_cache (D) | CPU/GPU/Ascend | MS_COMPILER_CACHE_ENABLE |
| +------------------------------+----------------------------+----------------------------------------+
| | inter_op_parallel_num (D) | CPU/GPU/Ascend | :func:`~.dispatch_threads_num` |
| +------------------------------+----------------------------+----------------------------------------+
| | runtime_num_threads (D) | CPU/GPU/Ascend | :func:`~.threads_num` |
| +------------------------------+----------------------------+----------------------------------------+
| | compile_cache_path | CPU/GPU/Ascend | NA |
| +------------------------------+----------------------------+----------------------------------------+
| | disable_format_transform | GPU | NA |
| +------------------------------+----------------------------+----------------------------------------+
| | support_binary | CPU/GPU/Ascend | NA |
| +------------------------------+----------------------------+----------------------------------------+
| | memory_optimize_level (D) | CPU/GPU/Ascend | :func:`~.set_memory` |
| +------------------------------+----------------------------+----------------------------------------+
| | memory_offload | GPU/Ascend | NA |
| +------------------------------+----------------------------+----------------------------------------+
| | ascend_config (D) | Ascend | :func:`~.precision_mode` |
| | | | |
| | | | :func:`~.op_precision_mode` |
| | | | |
| | | | :func:`~.matmul_allow_hf32` |
| | | | |
| | | | :func:`~.conv_allow_hf32` |
| | | | |
| | | | :func:`~.op_compile` |
| | | | |
| | | | :func:`~.debug_option` |
| +------------------------------+----------------------------+----------------------------------------+
| | jit_syntax_level | CPU/GPU/Ascend | NA |
| +------------------------------+----------------------------+----------------------------------------+
| | gpu_config (D) | GPU | :func:`~.conv_allow_tf32` |
| | | | |
| | | | :func:`~.matmul_allow_tf32` |
| | | | |
| | | | :func:`~.conv_fprop_algo` |
| | | | |
| | | | :func:`~.conv_wgrad_algo` |
| | | | |
| | | | :func:`~.conv_dgrad_algo` |
| +------------------------------+----------------------------+----------------------------------------+
| | jit_config | CPU/GPU/Ascend | NA |
| +------------------------------+----------------------------+----------------------------------------+
| | exec_order | Ascend | NA |
+-------------------------+------------------------------+----------------------------+----------------------------------------+
参数：
- **device_id** (int) - 表示目标设备的ID，其值必须在[0, device_num_per_host-1]范围中，且 `device_num_per_host` 的值不应超过4096。默认值： ``0`` 。此参数将被弃用，将在后续版本中删除，请配合 `device_target` 使用接口 :func:`mindspore.set_device` 代替。
- **device_target** (str) - 表示待运行的目标设备，支持 'Ascend'、 'GPU'和 'CPU'。如果未设置此参数，则使用MindSpore包对应的后端设备。此参数将被弃用，将在后续版本中删除，请配合 `device_id` 使用接口 :func:`mindspore.set_device` 代替。
- **max_device_memory** (str) - 设置设备可用的最大内存。格式为"xxGB"。默认值： ``1024GB`` 。实际使用的内存大小是设备的可用内存和 `max_device_memory` 值中的最小值。 `max_device_memory` 需要在程序运行之前设置。当使能虚拟内存时，过小的 `max_device_memory` 会导致频繁的碎片整理，影响性能。此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.runtime.set_memory` 代替。
- **variable_memory_max_size** (str) - 此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.runtime.set_memory` 代替。
- **mempool_block_size** (str) - 关闭虚拟内存下生效，设置设备内存池的块大小。格式为"xxGB"。默认值： ``1GB`` 。最小值是1GB。实际使用的内存池块大小是设备的可用内存和 `mempool_block_size` 值中的最小值。当内存足够时，将按照此值扩展内存。此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.runtime.set_memory` 代替。
- **op_timeout** (int) - 设置一个算子的最大执行时间，以秒为单位。如果执行时间超过这个值，系统将终止该任务。0意味着使用默认值，AI Core和AICPU算子在不同硬件上的默认值有差异，详细信息请查看 `昇腾社区关于aclrtSetOpExecuteTimeOut文档说明 <https://www.hiascend.com/en/document/detail/zh/CANNCommunityEdition/80RC1alpha003/apiref/appdevgapi/aclcppdevg_03_0228.html>`_。MindSpore默认设置值： ``900`` 。此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.device_context.ascend.op_debug.execute_timeout` 代替。
- **save_graphs** (bool 或 int) - 表示是否保存中间编译图。默认值： ``0`` 。可用的选项为：
- False或0：不保存中间编译图。
- 1：运行时会输出图编译过程中生成的一些中间文件。
- True或2：生成更多后端流程相关的ir文件。
- 3：生成可视化计算图和更多详细的前端ir图。
当网络结构复杂时将 `save_graphs` 属性设为 ``2`` 或者 ``3`` 时可能会出现耗时过长的情况。如需要快速定位问题，可先设置 `save_graphs` 属性为 ``1`` 。
当 `save_graphs` 属性设为 ``1`` 、 ``2`` 、 ``3`` 或者 ``True`` 时， `save_graphs_path` 属性用于设置中间编译图的存储路径。默认情况下，计算图保存在当前目录下。
此参数将被弃用，将在后续版本中删除，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。默认值： ``"."`` 。如果指定的目录不存在，系统将自动创建该目录。在分布式训练中，图形将被保存到 `save_graphs_path/rank_${rank_id}/` 目录下。 `rank_id` 为集群中当前设备的ID。此参数将被弃用，将在后续版本中删除，请使用环境变量 `MS_DEV_SAVE_GRAPHS_PATH` 代替。
- **deterministic** (str) - 表示是否使能算子确定性运行模式。值必须在['ON','OFF']范围内，默认值： ``'OFF'`` 。
- ON：开启算子确定性运行模式。
- OFF：关闭算子确定性运行模式。
当确定性开启时，模型中的算子将在Ascend中具有确定性。这意味着，如果算子在同一硬件上使用相同的输入运行多次，则每次都会有完全相同的输出。这对于调试模型很有用。
在分布式场景下，建议用户在调用接口 :func:`mindspore.communication.init` 前设置确定性计算，以保证使能全局通信域上的通信算子确定性。
此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.set_deterministic` 代替。
- **print_file_path** (str) - 此参数将被弃用，将在后续版本中删除。
- **env_config_path** (str) - 此参数将被弃用，将在后续版本中删除。
- **precompile_only** (bool) - 表示是否仅预编译网络。默认值： ``False`` 。设置为 ``True`` 时，仅编译网络，而不执行网络。此参数将被弃用，将在后续版本中删除，请使用环境变量 `MS_DEV_PRECOMPILE_ONLY` 代替。
- **reserve_class_name_in_scope** (bool) - 此参数将被弃用，将在后续版本中删除。
- **pynative_synchronize** (bool) - 表示是否在PyNative模式下启动设备同步执行。默认值： ``False`` 。设置为 ``False`` 时，将在设备上异步执行算子。当算子执行出错时，将无法定位特定错误脚本代码的位置。当设置为 ``True`` 时，将在设备上同步执行算子。这将降低程序的执行性能。此时，当算子执行出错时，可以根据错误的调用栈来定位错误脚本代码的位置。此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.runtime.launch_blocking` 代替。
- **mode** (int) - 表示在GRAPH_MODE(0)或PYNATIVE_MODE(1)模式中运行，两种模式都支持所有后端。默认值： ``PYNATIVE_MODE`` 。
- **enable_reduce_precision** (bool) - 表示是否开启降低精度计算。默认值： ``True`` 。设置为 ``True`` 时，不支持用户指定的精度，且精度将自动更改。设置为 ``False`` 时，如果未指定用例的精度，则会报错并退出。
- **aoe_tune_mode** (str) - 表示启动AOE调优，默认不设置。设置为 ``online`` 时，将启动在线调优，设置为 ``offline`` 时，将为离线调优保存GE图 。此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.device_context.ascend.op_tuning.aoe_tune_mode` 代替。
- **aoe_config** (dict) - 设置aoe工具专用的参数，默认不设置。
- **job_type** (str): 设置调优类型，有算子调优和子图调优。默认为算子调优。
- ``"1"``: 设置为子图调优。
- ``"2"``: 设置为算子调优。
此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.device_context.ascend.op_tuning.aoe_job_type` 代替。
- **check_bprop** (bool) - 表示是否检查反向传播节点，以确保反向传播节点输出的shape和数据类型与输入参数相同。默认值： ``False`` 。此参数将被弃用，将在后续版本中删除。
- **max_call_depth** (int) - 指定函数调用的最大深度。其值必须为正整数。默认值： ``1000`` 。当嵌套Cell太深或子图数量太多时，需要设置 `max_call_depth` 参数。系统最大堆栈深度应随着 `max_call_depth` 的调整而设置为更大的值，否则可能会因为系统堆栈溢出而引发 "core dumped" 异常。此参数将被弃用，将在后续版本中删除，请使用 :func:`mindspore.set_recursion_limit` 接口代替。
- **grad_for_scalar** (bool) - 表示是否获取标量梯度。默认值： ``False`` 。当 `grad_for_scalar` 设置为True时，则可以导出函数的标量输入。由于后端目前不支持伸缩操作，所以该接口只支持在前端可推演的简单操作。此参数将被弃用，将在后续版本中删除，请使用张量求导的方式。
- **enable_compile_cache** (bool) - 表示是否加载或者保存图编译缓存。当 `enable_compile_cache` 被设置为True时，在第一次执行的过程中，一个编译缓存会被生成并且导出为一个MINDIR文件。当该网络被再次执行时，如果 `enable_compile_cache` 仍然为True并且网络脚本没有被更改，那么这个编译缓存会被加载。注意目前只支持有限的Python脚本更改的自动检测，这意味着可能有正确性风险。默认值： ``False`` 。当前不支持编译后大于2G的图。这是一个实验特性，可能会被更改或者删除。此参数将被弃用，将在后续版本中删除，请使用环境变量 `MS_COMPILER_CACHE_ENABLE` 代替。
- **compile_cache_path** (str) - 保存编译缓存的路径。默认值： ``"."`` 。如果目录不存在，系统会自动创建这个目录。缓存会被保存到如下目录： `compile_cache_path/rank_${rank_id}/` 。 `rank_id` 是集群上当前设备的ID。此参数将被弃用，将在后续版本中删除，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。 默认值为 ``0`` ，表示由框架默认指定。此参数将被弃用，将在后续版本中删除。请使用接口 :func:`mindspore.runtime.dispatch_threads_num` 代替。
- **runtime_num_threads** (int) - 运行时actor和CPU算子核使用的线程池线程数，必须大于等于 ``0`` 。默认值为 ``30`` ，如果同时运行多个进程，应将该值设置得小一些，以避免线程争用。如果设置为1，则无法使能运行时异步流水能力，可能会影响执行性能。此参数将被弃用，将在后续版本中删除。请使用接口 :func:`mindspore.device_context.cpu.op_tuning.threads_num` 代替。
- **disable_format_transform** (bool) - 表示是否取消NCHW到NHWC的自动格式转换功能。当fp16的网络性能不如fp32的时，可以设置 `disable_format_transform` 为 ``True`` ，以尝试提高训练性能。默认值： ``False`` 。
- **support_binary** (bool) - 是否支持在图形模式下运行.pyc或.so。如果要支持在图形模式下运行.so或.pyc，可将 `support_binary` 置为 ``True`` ，并运行一次.py文件，从而将接口源码保存到接口定义.py文件中，因此要保证该文件可写。然后将.py文件编译成.pyc或.so文件，即可在图模式下运行。当前，该配置选项仅支持单机模式。
- **memory_optimize_level** (str) - 内存优化级别，默认值： ``O0`` 。其值必须在 ['O0', 'O1'] 范围中。
- O0: 执行性能优先，关闭 SOMAS (Safe Optimized Memory Allocation Solver) 和一些其他内存优化。
- O1: 内存性能优先，使能 SOMAS 和一些其他内存优化。
此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.runtime.set_memory` 代替。
- **memory_offload** (str) - 是否开启Offload功能，在内存不足场景下将空闲数据临时拷贝至Host侧内存。其值必须在['ON', 'OFF']范围中，默认值为 ``'OFF'`` 。
- ON：开启memory offload功能。在Ascend硬件平台，在图编译等级不为O0时本参数不生效；设置memory_optimize_level='O1'时本参数不生效。
- OFF：关闭memory offload功能。
此参数将被弃用，将在后续版本中删除，请使用 `mindspore.Parameter` 的 `device` 参数代替。
- **ascend_config** (dict) - 设置Ascend硬件平台专用的参数，默认不设置。
precision_mode、jit_compile和atomic_clean_policy参数的默认值属于实验性质参数，将来可能会发生变化。
- **precision_mode** (str): 混合精度模式设置。推理网络默认值： ``force_fp16`` 。其值范围如下：
- force_fp16: 当算子既支持float16，又支持float32时，直接选择float16。
- allow_fp32_to_fp16: 对于矩阵类算子，使用float16。对于矢量类算子，优先保持原图精度，如果网络模型中算子支持float32，则保留原始精度float32，如果网络模型中算子不支持float32，则直接降低精度到float16。
- allow_mix_precision: 自动混合精度，针对全网算子，按照内置的优化策略，自动将部分算子的精度降低到float16或bfloat16。
- must_keep_origin_dtype: 保持原图精度。
- force_fp32: 当矩阵计算的算子输入为float16，输出既支持float16又支持float32时，强制转换成float32输出。
- allow_fp32_to_bf16: 对于矩阵类算子，使用bfloat16。对于矢量类算子，优先保持原图精度，如果网络模型中算子支持float32，则保留原始精度float32，如果网络模型中算子不支持float32，则直接降低精度到bfloat16。
- allow_mix_precision_fp16: 自动混合精度，针对全网算子，按照内置的优化策略，自动将部分算子的精度降低到float16。
- allow_mix_precision_bf16: 自动混合精度，针对全网算子，按照内置的优化策略，自动将部分算子的精度降低到bfloat16。
此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.device_context.ascend.op_precision.precision_mode` 代替。
- **jit_compile** (bool): 表示是否选择在线编译。当设置为 ``True`` 时，优先选择在线编译，当设置为 ``False`` 时，优先选择系统中已经编译好的算子二进制文件，提升编译性能。默认设置为静态shape选择在线编译，动态shape选择算子二进制文件。此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.device_context.ascend.op_tuning.op_compile` 代替。
- **atomic_clean_policy** (int): 表示清理网络中atomic算子占用的内存的策略。默认值： ``1`` 。
- 0：集中清理网络中所有atomic算子占用的内存。
- 1：不集中清理内存，对网络中每一个atomic算子进行单独清零。当网络中内存超限时，可以尝试此种清理方式，但可能会导致一定的性能损耗。
- **matmul_allow_hf32** (bool): 是否为Matmul类算子使能FP32转换为HF32。默认值： ``False``。这是一个实验特性，可能会被更改或者删除。如果您想了解更多详细信息，
请查询 `昇腾社区 <https://www.hiascend.com/>`_ 了解。此参数将被弃用，将在后续版本中删除，请使用接口 :func:`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。默认值： ``True``。这是一个实验特性，可能会被更改或者删除。如果您想了解更多详细信息，
请查询 `昇腾社区 <https://www.hiascend.com/>`_ 了解。此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.device_context.ascend.op_precision.conv_allow_hf32` 代替。
- **exception_dump** (str): 开启Ascend算子异常dump，提供计算异常时候的输入输出信息。可以为 ``"0"``，``"1"``，``"2"``。为 ``"0"`` 时关闭异常dump；为 ``"1"`` 时dump出AICore异常算子输入输出数据；为 ``"2"`` 时dump出AICore异常算子输入数据，保存信息减少，但可提升性能。默认值： ``"2"``。
- **op_precision_mode** (str): 算子精度模式配置文件的所在路径。如果您想了解更多详细信息, 请查询 `昇腾社区 <https://www.hiascend.com/>`_ 了解。此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.device_context.ascend.op_precision.op_precision_mode` 代替。
- **op_debug_option** (str): 表示Ascend算子调试配置，默认不开启，当前只支持内存访问越界检测，可配置为 ``oom`` 。
- ``oom`` : 涉及从全局内存中读写数据，例如读写算子数据等，该选项开启全局内存访问越界检测，实际执行算子时，若出现内存越界，AscendCL会返回 ``EZ9999`` 错误码。
此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.device_context.ascend.op_debug.debug_option` 代替。
- **ge_options** (dict): 设置CANN的options配置项，配置项分为 ``global`` 和 ``session`` 二类 。这是一个实验特性，可能会被更改或者删除。
详细的配置请查询 `options配置说明 <https://www.hiascend.com/document/detail/zh/canncommercial/80RC3/apiref/ascendgraphapi/atlasgeapi_07_0146.html>`_ 。
`ge_options` 中的配置项可能与 `ascend_config` 中的配置项重复，若同时设置了 `ascend_config` 和 `ge_options` 中的相同配置项，则以 `ge_options` 中设置的为准。
- global (dict): 设置global类的选项。
- session (dict): 设置session类的选项。
- **parallel_speed_up_json_path** (Union[str, None]): 并行加速配置文件，配置项可以参考 `parallel_speed_up.json <https://gitee.com/mindspore/mindspore/blob/v2.5.0/config/parallel_speed_up.json>`_ 。
当设置为None时，表示不启用。
- **recompute_comm_overlap** (bool): 为 ``True`` 时表示开启反向重计算和通信掩盖。默认值： ``False`` 。
- **matmul_grad_comm_overlap** (bool): 为 ``True`` 时表示开启反向Matmul和通信掩盖。默认值： ``False`` 。
- **enable_task_opt** (bool): 为 ``True`` 时表示开启通信融合进行通信算子task数量优化。默认值： ``False`` 。
- **enable_grad_comm_opt** (bool): 为 ``True`` 时表示开启梯度dx计算与数据并行梯度通信的掩盖，暂时不支持 `O2 <https://www.mindspore.cn/docs/zh-CN/r2.5.0/api_python/mindspore/mindspore.JitConfig.html>`_ 编译模式下开启。默认值： ``False`` 。
- **enable_opt_shard_comm_opt** (bool): 为 ``True`` 时表示开启正向计算与优化器并行的AllGather通信的掩盖，暂时不支持 `O2 <https://www.mindspore.cn/docs/zh-CN/r2.5.0/api_python/mindspore/mindspore.JitConfig.html>`_ 编译模式下开启。默认值： ``False`` 。
- **enable_concat_eliminate_opt** (bool): 为 ``True`` 时表示开启Concat消除优化，当前在开启细粒度双副本优化时有收益。默认值： ``False`` 。
- **enable_begin_end_inline_opt** (bool): 为 ``True`` 时表示开启首尾micro_batch子图的内联，用于半自动并行子图模式，流水线并行场景，一般需要和其他通信计算掩盖优化一起使用。默认值： ``False`` 。
- **compute_communicate_fusion_level** (int): 控制通算融合的级别。默认值：``0``。注：此功能需要配套Ascend Training Solution 24.0.RC2以上版本使用。
- 0: 不启用通算融合。
- 1: 仅对前向节点使能通算融合。
- 2: 仅对反向节点使能通算融合。
- 3: 对所有节点使能通算融合。
- **dataset_broadcast_opt_level** (int): 数据集读取的优化级别， 目前只支持O0/O1模式，O2模式下不生效。默认值：``0``。
- 0: 不启用数据集读取优化。
- 1: 优化流水线并行中，Stage间的数据读取。
- 2: 优化模型并行维度数据的读取。
- 3: 同时优化场景1和2。
- **bias_add_comm_swap** (bool): 为 ``True`` 时表示开启matmul-add结构下，通信算子与add算子执行顺序互换。当前仅支持bias为一维的情况。默认值： ``False`` 。
- **enable_allreduce_slice_to_reducescatter** (bool): 为 ``True`` 时，表示开启allreduce优化。在batchmatmul模型并行引入allreduce的场景中，如果后续节点是配置了模型并行的stridedslice算子，在已识别可优化的模式中，将allreduce优化为reducescatter。典型的用在开启了groupwise alltoall的MoE模块。默认值： ``False`` 。
- **enable_interleave_split_concat_branch** (bool): 为 ``True`` 时，表示针对带enable_interleave属性的split和concat算子形成的分支，开启通信计算并行优化。典型的使用场景为MoE模块并行场景，对输入数据进行split后，各切片数据进行MoE模块运算，再对分支结果进行concat，开启后各分支的MoE模块进行通信计算并行。默认值： ``False`` 。
- **enable_interleave_parallel_branch** (bool): 为 ``True`` 时，表示针对可并行的分支，如果分支汇聚点带parallel_branch属性，开启通信计算并行优化。典型的使用场景为MoE模块带路由专家和共享专家分支的并行场景，开启后并行分支进行通信计算并行。默认值： ``False`` 。
- **host_scheduling_max_threshold** (int): 控制静态小图（根图）执行时是否使用动态shape调度的最大阈值，默认阈值为0。如果静态根图节点个数小于最大阈值，则使用动态shape调度。大模型场景，该方式可以节约stream资源。如果静态根图节点个数大于最大阈值，则保持原有流程不变。
- **hccl_watchdog** (bool): 开启一个线程监控集合通信故障。默认值： ``True`` 。
- **jit_syntax_level** (int) - 当通过GRAPH_MODE或者@jit装饰器触发图编译时，此选项用于设置JIT语法支持级别。
其值必须为 ``STRICT`` 或 ``LAX`` ，默认值为 ``LAX`` 。全部级别都支持所有后端。
- ``STRICT`` : 仅支持基础语法，且执行性能最佳。可用于MindIR导入导出。
- ``LAX`` : 最大程度地兼容Python所有语法。执行性能可能会受影响，不是最佳。由于存在可能无法导出的语法，不能用于MindIR导入导出。
- **debug_level** (int) - 设置调试过程的配置。其值必须为 ``RELEASE`` 或 ``DEBUG`` 。默认值： ``RELEASE`` 。
- ``RELEASE`` : 正常场景下使用，一些调试信息会被丢弃以获取一个较好的编译性能。
- ``DEBUG`` : 当错误发生时，用来调试，在编译过程中，更多的调试信息会被记录下来。
此参数将被弃用，将在后续版本中删除。
- **gpu_config** (dict) - 设置GPU硬件平台专用的参数，默认不设置。
目前只支持GPU硬件平台上设置conv_fprop_algo、conv_dgrad_algo、conv_wgrad_algo、conv_allow_tf32和matmul_allow_tf32参数。
- **conv_fprop_algo** (str): 指定cuDNN的卷积前向算法。默认值： ``normal`` 。其值范围如下：
- normal:使用cuDNN自带的启发式搜索算法，会根据卷积形状和类型快速选择合适的卷积算法。该参数不保证性能最优。
- performance: 使用cuDNN自带的试运行搜索算法，会根据卷积形状和类型试运行所有卷积算法，然后选择最优算法。该参数保证性能最优。
- implicit_gemm: 该算法将卷积隐式转换成矩阵乘法，完成计算。不需要显式将输入张量数据转换成矩阵形式保存。
- implicit_precomp_gemm: 该算法将卷积隐式转换成矩阵乘法，完成计算。但是需要一些额外的内存空间去保存预计算得到的索引值，以便隐式地将输入张量数据转换成矩阵形式。
- gemm: 该算法将卷积显式转换成矩阵乘法，完成计算。在显式完成矩阵乘法过程中，需要额外申请内存空间，将输入转换成矩阵形式。
- direct: 该算法直接完成卷积计算，不会隐式或显式的将卷积转换成矩阵乘法。
- fft: 该算法利用快速傅里叶变换完成卷积计算。需要额外申请内存空间，保存中间结果。
- fft_tiling: 该算法利用快速傅里叶变换完成卷积计算，但是需要对输入进行分块。同样需要额外申请内存空间，保存中间结果，但是对大尺寸的输入，所需内存空间小于 ``fft`` 算法。
- winograd: 该算法利用Winograd变换完成卷积计算。需要额外申请内存空间，保存中间结果。
- winograd_nonfused: 该算法利用Winograd变形算法完成卷积计算。需要额外申请内存空间，保存中间结果。
此参数将被弃用，将在后续版本中删除，请使用接口 :func:`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。默认值： ``normal`` 。其值范围如下：
- normal:使用cuDNN自带的启发式搜索算法，会根据卷积形状和类型快速选择合适的卷积算法。该参数不保证性能最优。
- performance: 使用cuDNN自带的试运行搜索算法，会根据卷积形状和类型试运行所有卷积算法，然后选择最优算法。该参数保证性能最优。
- algo_0: 该算法将卷积表示为矩阵乘积的和，而没有实际显式地形成保存输入张量数据的矩阵。求和使用原子加法操作完成，因此结果是不确定的。
- algo_1: 该算法将卷积表示为矩阵乘积，而没有实际显式地形成保存输入张量数据的矩阵。结果是确定的。
- fft: 该算法利用快速傅里叶变换完成卷积计算。需要额外申请内存空间，保存中间结果。结果是确定的。
- fft_tiling: 该算法利用快速傅里叶变换完成卷积计算，但是需要对输入进行分块。同样需要额外申请内存空间，保存中间结果，但是对大尺寸的输入，所需内存空间小于 ``fft`` 算法。结果是确定的。
- winograd: 该算法利用Winograd变换完成卷积计算。需要额外申请内存空间，保存中间结果。结果是确定的。
- winograd_nonfused: 该算法利用Winograd变形算法完成卷积计算。需要额外申请内存空间，保存中间结果。结果是确定的。
此参数将被弃用，将在后续版本中删除，请使用接口 :func:`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。默认值： ``normal`` 。其值范围如下：
- normal:使用cuDNN自带的启发式搜索算法，会根据卷积形状和类型快速选择合适的卷积算法。该参数不保证性能最优。
- performance: 使用cuDNN自带的试运行搜索算法，会根据卷积形状和类型试运行所有卷积算法，然后选择最优算法。该参数保证性能最优。
- algo_0: 该算法将卷积表示为矩阵乘积的和，而没有实际显式地形成保存输入张量数据的矩阵。求和使用原子加法操作完成，因此结果是不确定的。
- algo_1: 该算法将卷积表示为矩阵乘积，而没有实际显式地形成保存输入张量数据的矩阵。结果是确定的。
- algo_3: 该算法类似于 ``algo_0`` ，但使用一些小的工作空间来预计算一些索引。结果也是不确定的。
- fft: 该算法利用快速傅里叶变换完成卷积计算。需要额外申请内存空间，保存中间结果。结果是确定的。
- fft_tiling: 该算法利用快速傅里叶变换完成卷积计算，但是需要对输入进行分块。同样需要额外申请内存空间，保存中间结果，但是对大尺寸的输入，所需内存空间小于 ``fft`` 算法。结果是确定的。
- winograd_nonfused: 该算法利用Winograd变形算法完成卷积计算。需要额外申请内存空间，保存中间结果。结果是确定的。
此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.device_context.gpu.op_tuning.conv_wgrad_algo` 代替。
- **conv_allow_tf32** (bool): 该标志表示是否开启卷积在cuDNN下的TF32张量核计算。默认值： ``True`` 。此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.device_context.gpu.op_precision.conv_allow_tf32` 代替。
- **matmul_allow_tf32** (bool): 该标志表示是否开启矩阵乘在CUBLAS下的TF32张量核计算。默认值： ``False`` 。此参数将被弃用，将在后续版本中删除，请使用接口 :func:`mindspore.device_context.gpu.op_precision.matmul_allow_tf32` 代替。
- **jit_config** (dict) - 设置全局编译选项的配置，只在使用Cell或者jit装饰器定义的网络中生效，默认不设置。
context设置全局jit config，而JitConfig设置局部网络的jit config，二者同时存在时，全局jit config不会覆盖局部网络的jit config。
- **jit_level** (str): 用来控制编译优化级别。默认值为空，框架根据产品类别自动选择优化级别，Atlas训练产品为O2，其余产品均为O0。动态Shape场景须为O0/O1，不支持O2。其值范围如下：
- O0: 除必要影响功能的优化外，其他优化均关闭，使用逐算子执行的执行方式。
- O1: 使能常用优化和自动算子融合优化，使用逐算子执行的执行方式。
- O2: 开启极致性能优化，使用下沉的执行方式。
- **infer_boost** (str): 用来使能推理模式。默认值为“off”，表示关闭。其值范围如下：
- on: 开启推理模式，推理性能得到较大提升。
- off: 关闭推理模式，使用前向运算进行推理，性能较差。
- **exec_order** (str) - 算子执行时的排序方法，GRAPH_MODE(0)下jit_level为O0或者O1时生效。不同的执行顺序会使得网络的执行内存和性能有所差异，当前仅支持两种排序方法：bfs和dfs，默认方法为bfs。
- bfs：默认的排序方法，广度优先排序，具备较好的通信掩盖效果，执行性能相对较好。
- dfs：可选择的排序方法，深度优先排序，性能相对bfs执行序较差，但内存占用较少，建议在其他执行序OOM的场景下尝试dfs。
异常：
- **ValueError** - 输入key不是上下文中的属性。