我正在使用 ray 實現 SEED，因此，我定義了一個類，如下所示Workerimport numpy as npimport gymclass Worker:    def __init__(self, worker_id, env_name, n):        import os        os.environ['OPENBLAS_NUM_THREADS'] = '1'        self._id = worker_id        self._n_envs = n        self._envs = [gym.make(env_name)             for _ in range(self._n_envs)]    def reset_env(self, env_id):        return self._envs[env_id].reset()    def env_step(self, env_id, action):        return self._envs[env_id].step(action)除此之外，還有一個循環，在必要時調用方法以與環境交互。LeanerWorker如本文檔所示，我想確保每個工作線程只使用一個 CPU 資源。以下是我的一些嘗試：創建時，我設置：workernum_cpus=1worker=ray.remote(num_cpus=1)(Worker).remote(...)我檢查了我的numpy配置，它給了我以下信息np.__config__.show()blas_mkl_info：不可用blis_info： 不可用openblas_info：庫 = [“開放刀片”、“開放刀片”] library_dirs = [/usr/本地/庫“ ] 語言 = c define_macros = [（”HAVE_CBLAS“，無）]blas_opt_info：庫 = [“開放”，“開放刀片”] library_dirs = [/usr/本地/lib“] 語言 = c define_macros = [（”HAVE_CBLAS“，無）]lapack_mkl_info：不可用openblas_lapack_info：庫 = [“開放刀片”、“開放刀片”] library_dirs = [/usr/本地/庫] 語言 = c define_macros = [（“HAVE_CBLAS”，無）]lapack_opt_info：庫 = [“開放”，“開放刀片”] library_dirs = [“/usr/本地/庫”] 語言 = c define_macros = [（“HAVE_CBLAS”，無）]我注意到麻痹正在使用OpenBLAS，所以我在類中設置了上面的代碼按照這個指令。os.environ['OPENBLAS_NUM_THREADS'] = '1'Worker兩者都完成后，我打開了頂部，但仍然注意到每個Worker都使用CPU，與以前完全相同。我也嘗試過在主python腳本的開頭設置或使用，但沒有任何幫助。我現在該怎么辦？130%-180%os.environ['OPENBLAS_NUM_THREADS'] = '1'export OPENBLAS_NUM_THREADS=1