在 Visual Studio Code 中對 PyTorch 的支援

除了支援 Jupyter Notebooks 之外，Visual Studio Code 也提供許多 PyTorch 開發人員特別感興趣的功能。本文涵蓋其中一些功能，並說明這些功能如何在您的專案中為您提供協助。如果您不熟悉 PyTorch 開發，Microsoft Learn 提供了PyTorch 入門學習路徑，其中涵蓋使用 PyTorch 進行深度學習的基本概念。

資料檢視器支援張量和資料切片

VS Code 提供資料檢視器，可讓您探索程式碼和筆記本中的變數，包括 PyTorch 和 TensorFlow Tensor 資料類型。除此之外，資料檢視器也支援資料切片，可讓您檢視較高維度資料的任何 2D 切片。

若要存取資料檢視器，您可以從 [筆記本變數總管] 開啟它，方法是按一下顯示在任何 Tensor 變數旁邊的 [資料檢視器] 圖示。您也會注意到 [變數總管] 也會顯示 Tensor 的形狀/維度。

或者，您可以從 Python 偵錯工作階段開啟它，方法是以滑鼠右鍵按一下偵錯工具中的任何 Tensor 變數，然後選取 [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 類型)，則預設會在資料檢視器中開啟資料切片面板。使用此面板，您可以使用輸入方塊以程式設計方式使用 Python 切片語法來指定您的切片，或者您也可以使用互動式 [軸] 和 [索引] 下拉式清單來進行切片。

除了切片之外，您還可以搜尋感興趣的值，例如 "inf's" 或 "NaN's"，方法是在每個資料行名稱下的篩選器中搜尋這些關鍵字。

TensorBoard 整合

TensorBoard 是一個資料科學配套儀表板，可協助 PyTorch 和 TensorFlow 開發人員視覺化資料集和模型訓練。透過直接整合在 VS Code 中的 TensorBoard，您可以快速檢查模型的預測、檢視模型的架構、分析模型隨時間的損失和準確性，以及分析程式碼以找出最慢的部分。

若要啟動 TensorBoard 工作階段，請開啟 [命令選擇區] (⇧⌘P (Windows、Linux Ctrl+Shift+P))，然後搜尋命令 [Python: 啟動 TensorBoard]。之後，系統會提示您選取 TensorBoard 記錄檔所在的資料夾。根據預設，VS Code 會使用您目前的工作目錄，並自動偵測任何子目錄中的 TensorBoard 記錄檔。不過，您也可以指定自己的目錄。然後，VS Code 會開啟一個包含 TensorBoard 的新索引標籤，並在您工作時管理其生命週期。

您也可以使用設定 python.tensorboard.logDirectory，為您的資料夾/工作區設定預設的 TensorBoard 記錄目錄。

PyTorch Profiler 整合

除了 TensorBoard 之外，VS Code 和 Python 擴充功能也整合了 PyTorch Profiler，讓您可以在一個位置更妥善地分析您的 PyTorch 模型。如需有關分析工具的詳細資訊，請參閱 PyTorch Profiler 文件。

透過 Pylance 語言伺服器的 IntelliSense

VS Code 中的 Python 編輯體驗透過 Pylance 的強大功能加以強化，為 PyTorch 提供完成項目和其他豐富的功能。為了獲得最佳體驗，請將 PyTorch 更新至 1.10.1，以取得針對子模組 (例如 nn、cuda 和 optim) 改善的完成項目。