Visual Studio Code 中的 PyTorch 支持

除了支持 Jupyter Notebooks 之外，Visual Studio Code 还为 PyTorch 开发人员提供了许多特别感兴趣的功能。本文介绍其中一些功能，并说明它们如何帮助您完成项目。如果您不熟悉 PyTorch 开发，Microsoft Learn 提供了一条 PyTorch 入门学习路径，其中涵盖了使用 PyTorch 进行深度学习的基础知识。

对张量和数据切片的数据查看器支持

VS Code 提供了一个 数据查看器，允许您浏览代码和笔记本中的变量，包括 PyTorch 和 TensorFlow Tensor 数据类型。此外，数据查看器还支持切片数据，允许您查看高维数据的任何 2D 切片。

要访问数据查看器，您可以从笔记本变量资源管理器中打开它，方法是单击任何张量变量旁边显示的“数据查看器”图标。您还会注意到，变量资源管理器也会显示张量的形状/维度。

或者，您可以通过在调试器中右键单击任何张量变量并选择“在数据查看器中查看值”来从 Python 调试会话中打开它。

如果您有三维或更高的数据（numpy ndarray、PyTorch Tensor 或 TensorFlow EagerTensor 类型），则默认情况下会在数据查看器中打开一个数据切片面板。使用该面板，您可以使用输入框以编程方式使用 Python 切片语法指定切片，也可以使用交互式“轴”和“索引”下拉列表进行切片。

除了切片之外，您还可以通过在每列名称下的过滤器中搜索这些关键字来搜索感兴趣的值，例如“inf”或“NaN”。

TensorBoard 集成

TensorBoard 是一个数据科学配套仪表板，可帮助 PyTorch 和 TensorFlow 开发人员可视化数据集和模型训练。通过直接集成在 VS Code 中的 TensorBoard，您可以检查模型的预测，查看模型的体系结构，分析模型随时间的损失和准确性，并分析您的代码以找出其最慢的位置。

要启动 TensorBoard 会话，请打开命令面板（⇧⌘P (Windows, Linux Ctrl+Shift+P)）并搜索命令“Python: 启动 TensorBoard”。之后，系统会提示您选择 TensorBoard 日志文件所在的文件夹。默认情况下，VS Code 使用当前工作目录并自动检测任何子目录中的 TensorBoard 日志文件。但是，您也可以指定自己的目录。然后，VS Code 将打开一个带有 TensorBoard 的新选项卡并在您工作时管理其生命周期。

您还可以使用设置 python.tensorboard.logDirectory 为您的文件夹/工作区设置默认的 TensorBoard 日志目录。

PyTorch Profiler 集成

除了 TensorBoard 之外，VS Code 和 Python 扩展还集成了 PyTorch Profiler，允许您在一个位置更好地分析您的 PyTorch 模型。有关探查器的更多信息，请参阅 PyTorch Profiler 文档。

通过 Pylance 语言服务器实现的 IntelliSense

VS Code 中的 Python 编辑体验，通过 Pylance 的强大功能得到增强，为 PyTorch 提供了补全和其他丰富的功能。为了获得最佳体验，请将 PyTorch 更新到 1.10.1 以获得对子模块（例如 nn、cuda 和 optim）的改进的补全。