尝试以扩展 VS Code 中的代理模式!

Visual Studio Code 中的 PyTorch 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。本文介绍了其中一些功能,并说明了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。

数据查看器支持张量和数据切片

VS Code 提供了一个 数据查看器,您可以使用它探索代码和笔记本中的变量,包括 PyTorch 和 TensorFlow 的 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意 2D 切片。

要访问数据查看器,您可以从笔记本变量浏览器中,通过单击任何张量变量旁边显示的数据查看器图标来打开它。您还会注意到变量浏览器也会显示张量的形状/维度。

Accessing the Data Viewer from the variable explorer

或者,您可以在 Python 调试会话中,右键单击调试器中的任何张量变量,然后选择在数据查看器中查看值来打开它。

Accessing the Data Viewer from the Python debugger

如果您有三维或更高维度的数据(numpy ndarray、PyTorch Tensor 或 TensorFlow EagerTensor 类型),数据查看器将默认打开一个数据切片面板。使用该面板,您既可以使用输入框以编程方式使用 Python 切片语法指定切片,也可以使用交互式索引下拉菜单进行切片。

Data Viewer with data slices and tensors

除了切片,您还可以通过在每个列名下的筛选器中搜索“inf”或“NaN”等关键字来查找感兴趣的值。

TensorBoard 集成

TensorBoard 是一个数据科学伴侣仪表板,可帮助 PyTorchTensorFlow 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、分析模型随时间的损失和准确性,并对代码进行性能分析以找出最慢的部分。

TensorBoard integration with VS Code

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 来为您的文件夹/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 PyTorch 模型。有关性能分析器的更多信息,请参阅 PyTorch Profiler 文档

PyTorch Profiler integration with VS Code

通过 Pylance 语言服务器提供 IntelliSense

VS Code 中的 Python 编辑体验,通过 Pylance 的强大功能得到增强,为 PyTorch 提供了代码补全和其他丰富的特性。为了获得最佳体验,请将 PyTorch 更新到 1.10.1 版本,以获得对 nn、cuda 和 optim 等子模块的改进补全。

Pylance support for PyTorch