- vscode的报错可能比终端要少. 终端执行的报错比pytest少. vscode可以用 debug直接输入某个数值查看.
- 出错原因:为什么? 然后往上一层函数排查.
- 大图这样太难debug了. 思想就是搞个小图, 不要搞这么大的图. 最短的代码复现. 都先看最小的, 小的对了再看大的.
- 做一些检查确定你的假设成立, 比如list确实sorted了.
- 用assert, 不要肉眼看, 出错了再肉眼看. 让电脑来判断, gdb的话不用在前面看, 就直接在出错的地方看.
- 可以写在 utils/ 和/test 自己写了test , 可以用pytest 自动化测试.
- 你要知道流程里哪些数据是关键, 想好要加哪些log, 小数据试试, 要知道每个预期是啥, log出来看看是否和预期一样, 不是就往上找为啥, quit来中途退出检查每一行代码.
- 如果你代码强依赖事件流, 比如连接到服务器维持心跳, 但是单步调试会卡住心跳, 就不能单步调试.
import IPython
IPython.embed() #类似于vscode的debug.
import ipdb
ipdb.set_trace()可交互的pdb, 非常有用,
https://github.com/OscarSavolainen/Quantization-Tutorials/blob/main/Resnet-FX-Graph-Mode-Quant/ipdb_hook.py
- Segmentation fault (core dumped) ,gdb python opt_conv_cuda.py 看看.
- vscode 参数，debug：online values . 在debug的时候能实时显式出来所在栈帧的状态. 还有 clangd: toggle inlay hints
可以attach进程 https://zhuanlan.zhihu.com/p/106640360
从 python 进入 c++ 后端的代码，你需要编译时候配置debug 信息，并切爆链接到 debug 版本 so 文件 c++后端 调试 ： CXXFLAGS <- -g -O0 cuda 设备代码调试： CUDA_NVCC_FLAGS <- -g;-G;-Xptxas;-dlcm=ca
注意gdb打断点的路径是你编译时候source 文件的绝对路径