本文用的测试代码:
from torchvision import transforms from torchvision.datasets import FashionMNIST import os os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE" #数据集准备 train_data = FashionMNIST( root = "./data/FashionMNIST", train = True, transform = transforms.ToTensor(), download = True #如果没下载数据,就下载数据;如果已经下载好,就换为False ) test_data = FashionMNIST( root = "./data/FashionMNIST", train = False, transform = transforms.ToTensor(), download = True #如果没下载数据,就下载数据;如果已经下载好,就换为False ) train_data_x=train_data.data train_data_y=train_data.targets test_data_x=test_data.data test_data_y=test_data.targets print(train_data_x.shape) print(train_data_y.shape) print(type(train_data_x)) print(type(train_data_y)) print(test_data_x.shape) print(test_data_y.shape) def function1(x): for i in range(x): print(i) function1(7)
登录后复制
一、debug环境介绍
点击这个爬虫就可开始debug
在debug前我们需要设置断点:(设置几个都行)
进入debug后,左下角:
1)debugger里面可以看到存在的变量:
2)console里面可以我们一步步调试的过程,输出的结果会打印在里面:
二、debug按钮介绍
分别是
1)step over 快捷键:F8
2)step into 快捷键:F7
3)step into my code 快捷键: alt+shift+F7
4) step out 快捷键: shift+F8
2.1、step into:单步执行(遇到函数也是单步)
注意看蓝色的线变化(蓝色的线,代表即将被debug,但是还没有debug到)
刚我debug了两次,结果如下:
step into 遇到进了函数也是单步(以我们这里定义的循环打印函数为例):
2.2、step over:单步执行(遇到函数,全部运行)
这个相比step over 就是函数里执行的区别:(step over 是直接执行完)
2.3、step into my code:(直接跳到下一个断点)
这个很好理解了,这里我有三个断点,所以会debug三次,然后结束:
2.4、step out : 执行完剩下的函数,并跳到上一层函数
就是之前在函数内部单步调试时,用step out 能一下执行完,返回到上一层函数。
用了之后,整个函数直接执行完,但进程未结束
看蓝色的线,返回到了上一层函数
以上就是Python之debug调试的方法是什么的详细内容,转载自php中文网
发表评论 取消回复