使用 ray 框架时，有一个选项可以选择此任务所需的 CPU 数量，如此处所述。
前任：
@ray.remote(num_cpus=4)
def f():
return 1
但是，尚不清楚是否会有实际的 CPU 分配：
- 该函数将被分配
4CPU（例如使用 CPU 亲和性，如tasksetlinux 命令或cpusetdocker 参数） - 或者调度器将
num_cpus仅在内部使用它作为调度元数据。让 ex 决定他是否可以开始一个需要 16 个 cpu 的新任务，其中只剩下 10 个。该任务仍然可以访问所有 CPU，并且可以“使用”比请求更多的 CPU 时间num_cpus
选项 2 似乎更有可能，但这在文档中没有说明。此外，GPU 似乎有一种选项 1，这使得调度程序的意图不清楚：
Ray 将自动为该进程设置环境变量 CUDA_VISIBLE_DEVICES。
该进程被配置为使用某个 GPU（但可以通过 reset 绕过它CUDA_VISIBLE_DEVICES）
那么，num_cpus在ray中是如何使用的呢？