>>python >>import sys >>print(sys.executable) 6. env 指定显卡序号 "env": {"CUDA_VISIBLE_DEVICES": "0,1,2,3"}, 7. console 带有交互命令的调试 "console": "integratedTerminal", console 设为integratedTerminal,否则默认是 internalConsole,不能交互输入。
"request":"launch","program":"demo.py","console":"integratedTerminal","justMyCode":true,#false可以允许调试库代码"args":[],"cwd":"${workspaceFolder}/demo","env":{"task":"panoptic",// 添加临时环境变量"CUDA_VISIBLE_DEVICES":"1","PYTHONWARNINGS":"ignore"//能够忽略python warning, 相当于...
"cwd":"${fileDirname}" // 设置相对路径,在debug时可以切换到当前文件所在的目录。 3显式指定显卡 env:对象,启动程序时传递的环境变量 "env":{ "CUDA_VISIBLE_DEVICES":"0,1,2,3"}, 4调试时传入命令行参数 args:启动程序时传递的参数 调试带参数的python文件 "args": ["-a","123", "-b", "456...
env: 可以通过CUDA_VISIBLE_DEVICES,指定训练使用的GPU,等价于:CUDA_VISIBLE_DEVICES="0,1" train.py, 支持DP训练模式,但DDP多GPU 并行训练调试不支持 justMyCode: 设为true的话,只调试项目中的代码,如果设为false的话可以调试python库文件中的代码。 2. 使用debugpy工具调试 大多数情况下,使用VSCode调试Python...
"CUDA_VISIBLE_DEVICES": "\"0,1,2,3\"" }, "justMyCode": false } ] } 步骤四:开始调试 在需要调试的代码处设置断点 点击左上角的绿色箭头(或按下F5)开始调试 方法二:监听端口调试 这种方法需要修改训练代码,适用于特定场景。 步骤一:添加调试代码 在训练的主函数(例如...
1.建立Python工作区,自己在电脑中建立一个文件夹用于存放自己之后所编写的代码。 用VS Code打开刚才建立的文件夹,VSCode > file > open folder。 2.选择python解释器,在VSCode中,Ctrl+Shift+P 或者 View > Command Palette,打开命令面板输入Python: Select Interpreter,选择环境,此时,VSCode自动为你生成settings.json...
"--nproc_per_node=2","--master_port=29320","tools/test_multi_batch.py",// "--config",// "--checkpoint",// "runs/s1/latest.pth","--eval","segm","--out_dir","./result/annota","--eval-options","classwise=True","--launcher","pytorch"],"env": {"CUDA_VISIBLE_DEVICES":"...
"env":{"CUDA_VISIBLE_DEVICES":"0"},"args":["--port","1593"] 其他的配置项可参见Set configuration options。 小结 使用高效率生产力工具等于珍惜生命!现在可以愉快地coding了! 参考 https://code.visualstudio.com/docs Python in VS Code
{"version":"0.2.0","configurations":[{"name":"main.py","type":"python","request":"launch","program":"${workspaceFolder}/main.py","console":"integratedTerminal","justMyCode":false,"args":["--config","param.ini",],"env":{"CUDA_VISIBLE_DEVICES":"0",},},]}...