Pythonの勉強ノート-Pythonのデバッグ
コードを書くとき、私たちは多くの間違いを犯します。これをデバッグするにはどうすればよいでしょうか?
print ステートメントを使用して印刷する
print ステートメントを使用して必要なものを印刷し、出力で表示できます。
print "hah"
しかし、デバッグ後も print ステートメントを手動で削除する必要があり、これはさらに面倒です。
assert
以前 print が使用されていた場合、代わりにassert ステートメントを使用できます。例:
def foo(s): s = int(s) assert s != 0, "s is Zero" return 10.0 / s foo('0')
assert ステートメントの後に判定ステートメントが続き、その後にエラー メッセージが続きます。判定ステートメントが一致しない場合は、AssertionError がスローされます。例:
Traceback (most recent call last): File "/Users/W/Code/Python/Demo/AssertDemo.py", line 7, in foo('0') File "/Users/W/Code/Python/Demo/AssertDemo.py", line 3, in foo assert s != 0, "s is Zero" AssertionError: s is Zero
実行中にパラメーター -o を使用して一律にアサートをオフにすることができます。閉じると、assert ステートメントは無効になります。
logging
print ステートメントを logging に置き換えることができます。ロギングでは、assert のようにエラー メッセージがスローされません。ログ記録には多くの利点があります。その 1 つは、特定のレベルの情報を出力するようにカスタマイズできることです。
Level: CRITICAL Numeric value: 50 Level: ERROR Numeric value: 40 Level: WARNING Numeric value: 30 Level: INFO Numeric value: 20 Level: DEBUG Numeric value: 10 Level: NOTSET Numeric value: 0
logging.basicConfig(level=logging.DEBUG)
を使用して、ログを簡単に設定できます。このレベルより小さい警告は無視されます。さらに、ログ出力をコンソールに出力するか特定のデバッグ ファイルに出力するかなど、ログ出力の場所を構成することもできます。ログ設定の詳細については、https://segmentfault.com/a/11… を参照してください。
Debugger pdb、Pythonデバッガー
pdbは
python -m pdb test.py
pdbの一般的に使用されるコマンドによって開始されます
n: next、次のステップを実行するために使用されます
l:リストである必要があります。以下で実行されるコードを確認してください
p 変数名: p はパラメータの最初の文字である必要があります。特定の変数の値を確認してください
q: quit、プログラムを終了します
pdb はステップを制御できますPython のバイステップ実行。理論的には、これはユニバーサル デバッガーです。しかし、非常に長いコードを扱う場合、それは非効率的に思えます。ニーズを分析すると、以前のように各ステップを確認するのではなく、実行結果を確認できるように、いくつかの重要なポイントにブレークポイントを設定する必要があります。次に、pdb.set_trace() を見てみましょう。
pdb.set_trace()
プログラムが一時停止されるコード行を記述するだけです:
pdb.set_trace()
Python エディター プロセッサーが pdb.set_trace() に遭遇すると、プログラムは一時停止し、上記の pdb コマンドを使用して各パラメーターの値を表示できます。
もちろん、Pycharm などの多くの最新の IDE は、簡単に使用できる便利なビジュアル デバッグ ツールを多数提供しています。
上記は Python 学習ノート - Python デバッグの内容です。その他の関連コンテンツについては、PHP 中国語 Web サイト (www.php.cn) に注目してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









PHPとPythonには独自の利点と短所があり、選択はプロジェクトのニーズと個人的な好みに依存します。 1.PHPは、大規模なWebアプリケーションの迅速な開発とメンテナンスに適しています。 2。Pythonは、データサイエンスと機械学習の分野を支配しています。

PythonとJavaScriptには、コミュニティ、ライブラリ、リソースの観点から、独自の利点と短所があります。 1)Pythonコミュニティはフレンドリーで初心者に適していますが、フロントエンドの開発リソースはJavaScriptほど豊富ではありません。 2)Pythonはデータサイエンスおよび機械学習ライブラリで強力ですが、JavaScriptはフロントエンド開発ライブラリとフレームワークで優れています。 3)どちらも豊富な学習リソースを持っていますが、Pythonは公式文書から始めるのに適していますが、JavaScriptはMDNWebDocsにより優れています。選択は、プロジェクトのニーズと個人的な関心に基づいている必要があります。

Pytorch GPUアクセラレーションを有効にすることで、CentOSシステムでは、PytorchのCUDA、CUDNN、およびGPUバージョンのインストールが必要です。次の手順では、プロセスをガイドします。CUDAおよびCUDNNのインストールでは、CUDAバージョンの互換性が決定されます。NVIDIA-SMIコマンドを使用して、NVIDIAグラフィックスカードでサポートされているCUDAバージョンを表示します。たとえば、MX450グラフィックカードはCUDA11.1以上をサポートする場合があります。 cudatoolkitのダウンロードとインストール:nvidiacudatoolkitの公式Webサイトにアクセスし、グラフィックカードでサポートされている最高のCUDAバージョンに従って、対応するバージョンをダウンロードしてインストールします。 cudnnライブラリをインストールする:

DockerはLinuxカーネル機能を使用して、効率的で孤立したアプリケーションランニング環境を提供します。その作業原則は次のとおりです。1。ミラーは、アプリケーションを実行するために必要なすべてを含む読み取り専用テンプレートとして使用されます。 2。ユニオンファイルシステム(UnionFS)は、違いを保存するだけで、スペースを節約し、高速化する複数のファイルシステムをスタックします。 3.デーモンはミラーとコンテナを管理し、クライアントはそれらをインタラクションに使用します。 4。名前空間とcgroupsは、コンテナの分離とリソースの制限を実装します。 5.複数のネットワークモードは、コンテナの相互接続をサポートします。これらのコア概念を理解することによってのみ、Dockerをよりよく利用できます。

MINIOオブジェクトストレージ:CENTOSシステムの下での高性能展開Minioは、Amazons3と互換性のあるGO言語に基づいて開発された高性能の分散オブジェクトストレージシステムです。 Java、Python、JavaScript、Goなど、さまざまなクライアント言語をサポートしています。この記事では、CentosシステムへのMinioのインストールと互換性を簡単に紹介します。 Centosバージョンの互換性Minioは、Centos7.9を含むがこれらに限定されない複数のCentosバージョンで検証されています。

Pytorchの分散トレーニングでは、Centosシステムでトレーニングには次の手順が必要です。Pytorchのインストール:PythonとPipがCentosシステムにインストールされていることです。 CUDAバージョンに応じて、Pytorchの公式Webサイトから適切なインストールコマンドを入手してください。 CPUのみのトレーニングには、次のコマンドを使用できます。PipinstalltorchtorchtorchvisionTorchaudioGPUサポートが必要な場合は、CUDAとCUDNNの対応するバージョンがインストールされ、インストールに対応するPytorchバージョンを使用してください。分散環境構成:分散トレーニングには、通常、複数のマシンまたは単一マシンの複数GPUが必要です。場所

PytorchをCentosシステムにインストールする場合、適切なバージョンを慎重に選択し、次の重要な要因を検討する必要があります。1。システム環境互換性:オペレーティングシステム:Centos7以上を使用することをお勧めします。 Cuda and Cudnn:PytorchバージョンとCudaバージョンは密接に関連しています。たとえば、pytorch1.9.0にはcuda11.1が必要ですが、pytorch2.0.1にはcuda11.3が必要です。 CUDNNバージョンは、CUDAバージョンとも一致する必要があります。 Pytorchバージョンを選択する前に、互換性のあるCUDAおよびCUDNNバージョンがインストールされていることを確認してください。 Pythonバージョン:Pytorch公式支店

CentosシステムにPytorchをインストールして構成し、GPUを最大限に活用して深い学習タスクを加速するには、次の手順に従うことができます。ステップ1:ANACONDA3のインストール最初に、ANACONDA3をPython環境管理ツールとして使用して、Pytorchとその依存ライブラリのインストールと管理を促進します。 Anaconda3インストールスクリプトをダウンロードして、wgethttps://repo.anaconda.com/archive/anaconda3-2024.05-linux-x86_64.shbashanaConda3-2024.05-linux-x86_64.shStep 2:仮想を作成する
