Python之debug调试的方法是什么
时间:2023-04-29 21:35
本文用的测试代码: 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: 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,更多请关注Gxl网其它相关文章!from torchvision import transformsfrom torchvision.datasets import FashionMNISTimport osos.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.datatrain_data_y=train_data.targetstest_data_x=test_data.datatest_data_y=test_data.targetsprint(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)
一、debug环境介绍
二、debug按钮介绍