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,并说明它们如何在您的项目助您一臂之力。如果您不熟悉 PyTorch 开发,Microsoft Learn 提供了一个 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。
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,您可以使用它来浏览代码和笔记本中的变量,包括 PyTorch 和 TensorFlow Tensor
数据类型。 除此之外,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,您可以从笔记本变量资源管理器中打开它,方法是单击任何 Tensor 变量旁边显示的数据查看器图标。您还会注意到变量资源管理器也显示 Tensor 的形状/维度。
或者,您也可以从 Python 调试会话中打开它,方法是右键单击调试器中的任何 Tensor 变量,然后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),则默认情况下,数据切片面板将在数据查看器中打开。 使用该面板,您可以使用输入框使用 Python 切片语法以编程方式指定切片,也可以使用交互式轴和索引下拉列表进行切片。
除了切片外,您还可以通过在每列名称下的过滤器中搜索关键字(例如“inf's”或“NaN's”)来搜索感兴趣的值。
TensorBoard 集成
TensorBoard 是一个数据科学辅助仪表板,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,您可以抽查您的模型预测、查看模型的架构、分析模型随时间的损失和准确性,以及分析您的代码以找出最慢的地方。
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: 启动 TensorBoard。 之后,系统将提示您选择 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 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,使您可以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,以获得改进的子模块(例如 nn、cuda 和 optim)的补全功能。