Python 怎样 DeBug？ 极简DeBug工具PySnooper

标签：pip   overflow   auto   let   文件   一个   ali   并且   letter   

项目地址：https://github.com/cool-RR/pysnooper

一般情况下，想要知道哪一行代码在运行、哪一行不运行、本地变量的值是多少时，大部分人会使用 print 函数，在关键部分打印某个或某组变量的值、形状、类型等信息。

而 PySnooper 让你能快速地获得这些信息，且相比之下它不需要细致地写 print 函数，只需要向感兴趣的函数增加一个装饰器就行了。我们会得到该函数的详细 log，包含哪行代码能运行、什么时候运行以及本地变量变化的确切时间。相比于其他代码智能工具，PySnooper 为何如此优秀？因为不需要任何设置，你就可以在劣等、不规则的企业代码库上使用 PySnooper。只需要加个装饰器，并为日志输出地址指定路径就行了。这样说可能不太直观，下面我们可以具体看个案例，PySnooper 的优秀就能一目了然。

PySnooper 案例

下面项目作者写了一个函数以将数值转换为二进制码，该函数返回的是一个二进制列表。下面我们将装饰器 @pysnooper.snoop() 加到该函数上，就大功告成了。

import pysnooper

@pysnooper.snoop()
def number_to_bits(number):
    if number:
        bits = []
        while number:
            number, remainder = divmod(number, 2)
            bits.insert(0, remainder)
        return bits
    else:
        return [0]

number_to_bits(6)

PySnooper 详细特征

如果标准错误输出难以获得，或者太长了，那么可以将输出定位到本地文件：

@pysnooper.snoop(‘/my/log/file.log‘)

查看一些非本地变量的值：

@pysnooper.snoop(variables=(‘foo.bar‘, ‘self.whatever‘))

展示我们函数中调用函数的 snoop 行：

@pysnooper.snoop(depth=2)

将所有 snoop 行以某个前缀开始，更容易定位和找到：

@pysnooper.snoop(prefix=‘ZZZ ‘)

演示 PySnooper

下面我们最开始尝试使用 PySnooper 获取 TensorFlow 的信息，如果它能获取各种张量信息，那可就太强大了。

首先使用 pip 安装包：

pip install pysnooper

果然，TensorFlow 这种静态图并不能很好地获取信息，读者也可尝试一下。后面我们试了试 NumPy，希望能获取整个计算流的信息。如下代码所示，我们创建了两个数组变量，并且 2×2 的矩阵会连乘多次，如果能追踪到这种连乘，那就比较好处理错误。

import pysnooper
import numpy as np

@pysnooper.snoop()
def multi_matmul(times):
    x = np.random.rand(2, 2)
    w = np.random.rand(2, 2)

    for i in range(times):
        x = np.matmul(x, w)
    return x

multi_matmul(3)

Python 怎样 DeBug？ 极简DeBug工具PySnooper

标签：pip   overflow   auto   let   文件   一个   ali   并且   letter   

原文地址：https://www.cnblogs.com/qxh-beijing2016/p/12157403.html