Visual Studio Code에서 PyTorch 지원
Jupyter Notebook 지원과 더불어 Visual Studio Code는 PyTorch 개발자에게 특히 유용한 많은 기능을 제공합니다. 이 문서는 이러한 기능 중 일부를 다루고 프로젝트에 어떻게 도움이 되는지 설명합니다. PyTorch 개발이 익숙하지 않다면 Microsoft Learn에서 PyTorch의 기본 사항을 다루는 PyTorch 시작하기 학습 경로를 제공합니다.
텐서 및 데이터 슬라이스에 대한 데이터 뷰어 지원
VS Code는 코드와 노트북 내의 변수(PyTorch 및 TensorFlow Tensor 데이터 유형 포함)를 탐색할 수 있는 데이터 뷰어를 제공합니다. 또한 데이터 뷰어는 데이터 슬라이싱을 지원하여 고차원 데이터의 2D 슬라이스를 볼 수 있습니다.
데이터 뷰어에 액세스하려면 텐서 변수 옆에 나타나는 데이터 뷰어 아이콘을 클릭하여 노트북 변수 탐색기에서 열 수 있습니다. 변수 탐색기에서 텐서의 모양/치수도 표시됨을 알 수 있습니다.
또는 디버거에서 텐서 변수를 마우스 오른쪽 버튼으로 클릭하고 데이터 뷰어에서 값 보기를 선택하여 Python 디버깅 세션에서 열 수 있습니다.
3차원 이상의 데이터(numpy ndarray, PyTorch Tensor 또는 TensorFlow EagerTensor 유형)가 있는 경우 기본적으로 데이터 뷰어에 데이터 슬라이싱 패널이 열립니다. 패널을 사용하여 입력 상자를 사용하여 Python 슬라이스 구문을 사용하여 프로그래밍 방식으로 슬라이스를 지정하거나 대화형 축 및 인덱스 드롭다운을 사용하여 슬라이스할 수 있습니다.
슬라이싱 외에도 각 열 이름 아래의 필터에서 'inf' 또는 'NaN'과 같은 관심 있는 값을 검색 키워드를 사용하여 검색할 수 있습니다.
TensorBoard 통합
TensorBoard는 PyTorch 및 TensorFlow 개발자가 데이터 세트와 모델 학습을 시각화하는 데 도움이 되는 데이터 과학 동반 대시보드입니다. TensorBoard가 VS Code에 직접 통합되어 모델 예측을 즉시 확인하고, 모델 아키텍처를 보고, 시간에 따른 모델의 손실 및 정확도를 분석하고, 코드를 프로파일링하여 가장 느린 부분을 찾을 수 있습니다.
TensorBoard 세션을 시작하려면 명령 팔레트(⇧⌘P (Windows, Linux Ctrl+Shift+P))를 열고 Python: TensorBoard 시작 명령을 검색합니다. 그런 다음 TensorBoard 로그 파일이 있는 폴더를 선택하라는 메시지가 표시됩니다. 기본적으로 VS Code는 현재 작업 디렉토리를 사용하고 하위 디렉토리 내의 TensorBoard 로그 파일을 자동으로 감지합니다. 그러나 자체 디렉토리를 지정할 수도 있습니다. 그러면 VS Code에서 TensorBoard가 새 탭으로 열리고 작업 중에 수명이 관리됩니다.
python.tensorboard.logDirectory 설정을 사용하여 폴더/작업 영역에 대한 기본 TensorBoard 로그 디렉토리를 설정할 수도 있습니다.
PyTorch Profiler 통합
TensorBoard와 더불어 VS Code 및 Python 확장은 PyTorch Profiler를 통합하여 PyTorch 모델을 한 곳에서 더 잘 분석할 수 있습니다. 프로파일러에 대한 자세한 내용은 PyTorch Profiler 설명서를 참조하세요.
Pylance 언어 서버를 통한 IntelliSense
Pylance의 강력한 기능을 통해 향상된 VS Code의 Python 편집 환경은 PyTorch에 대한 완성과 기타 풍부한 기능을 제공합니다. 최상의 경험을 위해 PyTorch를 1.10.1로 업데이트하여 nn, cuda, optim과 같은 하위 모듈에 대한 완성도를 개선하세요.
