pytorch 中项目之间的 CPU float32 精度差异

问：

我知道每个IEEE的float32在对10^-7量级的值求和时存在精度问题。我完全希望看到架构（包括 GPU）之间的计算差异。但是，现在我正在测试 pytorch 模块的两种不同实现，并在一侧和另一侧获得不同的结果。我可以看到，当我在小值向量上执行操作时，会出现错误。但是，由于两个存储库都在同一台计算机上同一 CPU 上的相同版本的 pytorch （2.0.1） 上运行，我不明白为什么我会看到不同的结果。这应该是完全相同的实现，是吗？这意味着错误应该是相同的？torch.sum(x, dim=-1)

影响 float32 求和运算精度的可能标志/配置有哪些？例如，我看到这个 https://pytorch.org/docs/stable/generated/torch.set_flush_denormal.html。还有什么其他因素会影响浮点操作的执行方式吗？