Visual Studio Code 中的 PyTorch 支持

除了对 Jupyter Notebooks 的支持外，Visual Studio Code 还为 PyTorch 开发者提供了许多特别的功能。本文涵盖了其中一些功能，并说明了它们如何在您的项目中提供帮助。如果您不熟悉 PyTorch 开发，Microsoft Learn 提供了一个 PyTorch 入门 学习路径，涵盖了使用 PyTorch 进行深度学习的基础知识。

支持用于张量和数据切片的 Data Viewer

VS Code 提供了一个 Data Viewer，允许您探索代码和笔记本中的变量，包括 PyTorch 和 TensorFlow Tensor 数据类型。此外，Data Viewer 还支持数据切片，允许您查看更高维度数据的任何 2D 切片。

要访问 Data Viewer，您可以从 Notebook 变量资源管理器打开它，方法是单击显示在任何 Tensor 变量旁边的 Data Viewer 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，您可以在 Python 调试会话中通过右键单击调试器中的任何 Tensor 变量并选择 在 Data Viewer 中查看值 来打开它。

如果您有三维或更高维度的数据（numpy ndarray、PyTorch Tensor 或 TensorFlow EagerTensor 类型），Data Viewer 将默认打开一个数据切片面板。使用该面板，您可以选择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 下拉菜单进行切片。

除了切片之外，您还可以搜索感兴趣的值，例如“inf”或“NaN”，方法是在每个列名下方的过滤器中搜索这些关键字。

TensorBoard 集成

TensorBoard 是一款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，您可以快速检查模型的预测结果，查看模型的架构，分析模型随时间的损失和准确度，并分析您的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)) 并搜索命令 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，并自动检测子目录中的 TensorBoard 日志文件。但是，您也可以指定自己的目录。VS Code 然后将打开一个带有 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，让您可以在一个地方更好地分析 PyTorch 模型。有关分析器的更多信息，请参阅 PyTorch Profiler 文档。

通过 Pylance 语言服务器提供 IntelliSense

VS Code 中 Python 编辑体验，借助 Pylance 的强大功能，为 PyTorch 提供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 以获得子模块（例如 nn、cuda 和 optim）的改进补全。