Visual Studio Code 中對 PyTorch 的支援

除了支援Jupyter Notebooks之外，Visual Studio Code 還為 PyTorch 開發者提供了許多特別有用的功能。本文將介紹其中一些功能，並說明它們如何幫助您完成專案。如果您不熟悉 PyTorch 開發，Microsoft Learn 提供了PyTorch 入門學習路徑，涵蓋了使用 PyTorch 進行深度學習的基礎知識。

對張量和資料切片的資料檢視器支援

VS Code 提供了資料檢視器，允許您瀏覽程式碼和 Notebook 中的變數，包括 PyTorch 和 TensorFlow Tensor 資料型別。此外，資料檢視器還支援資料切片，允許您檢視高維資料的任何 2D 切片。

要訪問資料檢視器，您可以從 Notebook 變數瀏覽器中開啟它，方法是單擊任何 Tensor 變數旁邊顯示的資料檢視器圖示。您還會注意到變數瀏覽器也會顯示 Tensor 的形狀/維度。

或者，您可以從 Python 除錯會話中開啟它，方法是在偵錯程式中右鍵單擊任何 Tensor 變數並選擇在資料檢視器中檢視值。

如果您有三維或更高維度的資料（numpy ndarray、PyTorch Tensor 或 TensorFlow EagerTensor 型別），資料檢視器中將預設開啟一個數據切片面板。使用該面板，您可以使用輸入框以程式設計方式使用 Python 切片語法指定切片，或者您也可以使用互動式軸和索引下拉選單進行切片。

除了切片之外，您還可以透過在每個列名下的過濾器中搜索“inf”或“NaN”等關鍵字來搜尋感興趣的值。

TensorBoard 整合

TensorBoard 是一個數據科學伴侶儀表板，可幫助 PyTorch 和 TensorFlow 開發者視覺化資料集和模型訓練。透過將 TensorBoard 直接整合到 VS Code 中，您可以抽查模型預測，檢視模型架構，分析模型隨時間推移的損失和準確性，並分析程式碼以找出最慢的部分。

要啟動 TensorBoard 會話，請開啟命令面板（⇧⌘P（Windows、Linux Ctrl+Shift+P）），然後搜尋命令Python: Launch TensorBoard。之後，系統會提示您選擇 TensorBoard 日誌檔案所在的資料夾。預設情況下，VS Code 使用您當前的工作目錄，並自動檢測任何子目錄中的 TensorBoard 日誌檔案。但是，您也可以指定自己的目錄。然後，VS Code 將開啟一個帶有 TensorBoard 的新選項卡，並在您工作時管理其生命週期。

您還可以使用設定python.tensorboard.logDirectory 為您的資料夾/工作區設定預設的 TensorBoard 日誌目錄。

PyTorch Profiler 整合

除了 TensorBoard，VS Code 和 Python 擴充套件還集成了 PyTorch Profiler，讓您可以在一個地方更好地分析您的 PyTorch 模型。有關 Profiler 的更多資訊，請參閱PyTorch Profiler 文件。

透過 Pylance 語言伺服器提供 IntelliSense

VS Code 中的 Python 編輯體驗，透過 Pylance 的強大功能增強，為 PyTorch 提供了補全和其他豐富的功能。為了獲得最佳體驗，請將 PyTorch 更新到 1.10.1，以獲得對子模組（例如 nn、cuda 和 optim）的改進補全。