Visual Studio Code での PyTorch サポート

Jupyter Notebooks のサポートに加えて、Visual Studio Code は PyTorch 開発者にとって特に関心のある多くの機能を提供します。この記事では、これらの機能のいくつかを取り上げ、プロジェクトでどのように役立つかを示します。PyTorch 開発に慣れていない場合は、Microsoft Learn が提供する PyTorch を始める 学習パスで、PyTorch を使用した深層学習の基礎を学ぶことができます。

テンソルとデータスライス用のデータビューアーのサポート

VS Code は、PyTorch および TensorFlow Tensor データ型を含む、コードおよびノートブック内の変数を探索できる データビューアー を提供します。それに加えて、データビューアーはデータスライスをサポートしており、高次元データの任意の 2D スライスを表示できます。

データビューアーにアクセスするには、Tensor 変数の横に表示されるデータビューアーアイコンをクリックして、ノートブック変数エクスプローラーから開くことができます。変数エクスプローラーには、Tensor の形状/次元も表示されることに気づくでしょう。

または、Python デバッグセッションから、デバッガーで任意の Tensor 変数を右クリックし、[データビューアーで値を表示] を選択して開くこともできます。

3 次元以上のデータ (numpy ndarray、PyTorch Tensor、または TensorFlow EagerTensor 型) がある場合、データスライスパネルがデータビューアーにデフォルトで開きます。パネルを使用すると、入力ボックスを使用して Python スライス構文を使用してスライスをプログラムで指定するか、インタラクティブな [軸] および [インデックス] ドロップダウンを使用してスライスすることもできます。

スライスに加えて、各列名の下のフィルターでキーワードを検索することにより、「inf」または「NaN」などの関心のある値を検索できます。

TensorBoard の統合

TensorBoard は、PyTorch および TensorFlow 開発者がデータセットとモデルトレーニングを視覚化するのに役立つデータサイエンスコンパニオンダッシュボードです。VS Code に直接統合された TensorBoard を使用すると、モデルの予測をスポットチェックしたり、モデルのアーキテクチャを表示したり、モデルの損失と経時的な精度を分析したり、コードをプロファイリングして最も遅い場所を特定したりできます。

TensorBoard セッションを開始するには、コマンドパレット (⇧⌘P (Windows、Linux Ctrl+Shift+P)) を開き、コマンド Python: TensorBoard を起動 を検索します。その後、TensorBoard ログファイルが置かれているフォルダーを選択するように求められます。デフォルトでは、VS Code は現在の作業ディレクトリを使用し、任意のサブディレクトリ内の TensorBoard ログファイルを自動的に検出します。ただし、独自のディレクトリを指定することもできます。VS Code はその後、TensorBoard を新しいタブで開き、作業中にそのライフサイクルを管理します。

python.tensorboard.logDirectory 設定を使用して、フォルダー/ワークスペースのデフォルトの TensorBoard ログディレクトリを設定することもできます。

PyTorch Profiler の統合

TensorBoard と共に、VS Code と Python 拡張機能は PyTorch Profiler も統合し、PyTorch モデルを 1 か所でより適切に分析できるようにします。プロファイラーの詳細については、PyTorch Profiler ドキュメントを参照してください。

Pylance 言語サーバーによる IntelliSense

VS Code での Python 編集エクスペリエンスは、Pylance の力で強化され、PyTorch の補完やその他の豊富な機能を提供します。最高のエクスペリエンスを得るには、PyTorch を 1.10.1 にアップデートして、nn、cuda、optim などのサブモジュールの補完を改善してください。