Visual Studio Code 中对 PyTorch 的支持

除了支持Jupyter Notebooks之外，Visual Studio Code 还为 PyTorch 开发者提供了许多特别有用的功能。本文将介绍其中一些功能，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PyTorch 入门学习路径，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 提供了数据查看器，允许您浏览代码和 Notebook 中的变量，包括 PyTorch 和 TensorFlow Tensor 数据类型。此外，数据查看器还支持数据切片，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 Notebook 变量浏览器中打开它，方法是单击任何 Tensor 变量旁边显示的数据查看器图标。您还会注意到变量浏览器也会显示 Tensor 的形状/维度。

或者，您可以从 Python 调试会话中打开它，方法是在调试器中右键单击任何 Tensor 变量并选择在数据查看器中查看值。

如果您有三维或更高维度的数据（numpy ndarray、PyTorch Tensor 或 TensorFlow EagerTensor 类型），数据查看器中将默认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，或者您也可以使用交互式轴和索引下拉菜单进行切片。

除了切片之外，您还可以通过在每个列名下的过滤器中搜索“inf”或“NaN”等关键字来搜索感兴趣的值。

TensorBoard 集成

TensorBoard 是一个数据科学伴侣仪表板，可帮助 PyTorch 和 TensorFlow 开发者可视化数据集和模型训练。通过将 TensorBoard 直接集成到 VS Code 中，您可以抽查模型预测，查看模型架构，分析模型随时间推移的损失和准确性，并分析代码以找出最慢的部分。

要启动 TensorBoard 会话，请打开命令面板（⇧⌘P（Windows、Linux Ctrl+Shift+P）），然后搜索命令Python: Launch 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 使用您当前的工作目录，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，VS Code 和 Python 扩展还集成了 PyTorch Profiler，让您可以在一个地方更好地分析您的 PyTorch 模型。有关 Profiler 的更多信息，请参阅PyTorch Profiler 文档。

通过 Pylance 语言服务器提供 IntelliSense

VS Code 中的 Python 编辑体验，通过 Pylance 的强大功能增强，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）的改进补全。