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，更多请关注海外IDC网其它相关文章！

【转自：外国服务器 http://www.558idc.com/shsgf.html转载请说明出处】