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。