python debug

目录如下：

• x.1 大体思路
• x.2 使用python解释器
• x.3 *使用vscode的debug console

---

x.1 大体思路

python debug时具有以下操作

第一，看报错，看报的是什么traceback错误，有的错误一眼就能看出来，就能改。而且要注意，离traceback越近的，是函数调用栈中最内层的，即错误最接近/里面的地方，如果他是在site-package里面，那往往是你在函数调用栈浅层函数的传参有错误，不可能是底层代码的错误。

第二，若traceback是自己不熟悉的，则疯狂打断点找到报错的地方，这个报错的地方不应该是底层代码的地方，即应该是自己写的或者项目中的文件，看懂他的逻辑，传入正确的参数往往就能对。底层代码的逻辑是基本不可能会错误的。

第三，在疯狂打断点找报错地方的时候，如果一看见调入底层代码，即site-package的库，就立马step-out跳出，因为你根本不需要去看懂底层代码的逻辑，它也往往不会有错，遇到底层代码/项目中的不认识的函数就直接浏览器搜索它的功能，这样更加快速。

第四，善于使用print和vscode的搜索函数名功能和搜索文件功能，时刻观察正确的代码运行到哪里了。

x.2 使用python解释器

在学习PyTorch的时候，有些函数的代码臃肿，理解起来很烦，这里介绍一种快速理解代码意思的方法。

例如我们要理解下面这段代码

# 已知predict_y和test_label都是tensor类型数据
accuracy = (predict_y == test_label).sum().item() / test_label.size(0)
1
2

我们新建一个脚本，创建两个tensor依次拆解步骤测试，尝试理解：

# sum()测试
a = torch.tensor([1, 2, 3])
b = torch.tensor([1, 2, 4])
c = (a == b).sum()
print(c)

# size(0)测试
d = torch.randn(2, 3)
print(d.size(0))
e = d.size(0)
print(e)
1
2
3
4
5
6
7
8
9
10
11

先把简单的理解了，后面复杂的代码就理解了，这个方法挺好使。

x.3 *使用vscode的debug console

debug console在调试时，可以通过输入变量名来实时获取内存中的变量，还可以通过重新定义一个变量在内存开辟一块新空间，如下：

debug console通常是指开发人员在调试代码时使用的控制台。它通常提供了一个交互式的环境，可以让开发人员在运行时执行代码和查看变量值，以帮助诊断代码错误。

在debug console中，你可以使用变量赋值操作符（如“=”）来赋值变量。这将创建一个变量并为其分配内存空间。但是，需要注意的是，在某些语言中，debug console中的变量可能只在当前作用域中可用，并且可能会被垃圾回收器回收。

总的来说，debug console提供了一个强大的工具，可以帮助开发人员更有效地诊断和修复代码错误。