aistudio配置pytorch aistudio教程

1.AI Studio基本操作-Notebook篇

                                                           --------云端运行程序

当进入自己项目的详情页面时, 用户可以选择"运行"项目, 也就是准备项目环境.

同样的, 当不想继续时, 可以此页面点击"停止"以终止项目.

1.1 多代码编辑

Notebook支持多文件编辑, 支持.py, .json, .txt, .log等格式的在线编辑, 支持部分图片类型文件的在线预览.

 

上传文件的体积是30MB. 如果需要引用更大体积的文件, 请使用数据集功能.

用户也可以使用命令, !cat <<newfile > newfile.py 在项目空间内直接创建文件, 之后双击进行编辑. 如上图所示:

1.2 上传Notebook

可以用自己的ipynb文件取代当前默认的Notebook(前提是格式合法)

1.3 Notebook快捷键

快捷键分成两种状态下的. 一个是命令模式, 一个是编辑模式

1.4 Notebook中使用Shell命令

通过在Shell命令前添加! (感叹号), 就可以执行部分Shell命令. 包括诸如 !pip install这样的命令. 不过, !apt-get这种可能引发用户进一步操作的命令是不支持的.

例子如下：

# 查看当前挂载的数据集目录
!ls /home/aistudio/data/

#显示当前路径

!pwd

使用pip来安装自己需要的package (但不支持apt-get)

例如

!pip install jupyterthemes

查看当前环境中安装的package

!pip list --format=columns

1.5 持久化安装

如果需要进行持久化安装, 需要使用持久化路径, 如下方代码示例:

!mkdir /home/aistudio/xxx
!pip install beautifulsoup4 -t /home/aistudio/xxx

同时添加如下代码, 这样每次环境(kernel)启动的时候只要运行下方代码即可:

import sys
sys.path.append('/home/aistudio/xxx')

# 查看当前挂载的数据集目录, 该目录下的变更重启环境后会自动还原
# View dataset directory. This directory will be recovered automatically after resetting environment. 
!ls /home/aistudio/data

# 查看工作区文件, 该目录下的变更将会持久保存. 请及时清理不必要的文件, 避免加载过慢.
# View personal work directory. All changes under this directory will be kept even after reset. Please clean unnecessary files in time to speed up environment loading.
!ls /home/aistudio/work

# 如果需要进行持久化安装, 需要使用持久化路径, 如下方代码示例:
# If a persistence installation is required, you need to use the persistence path as the following:
!mkdir /home/aistudio/external-libraries
!pip install beautifulsoup4 -t /home/aistudio/external-libraries

# 同时添加如下代码, 这样每次环境(kernel)启动的时候只要运行下方代码即可:
# Also add the following code, so that every time the environment (kernel) starts, just run the following code:
import sys
sys.path.append('/home/aistudio/external-libraries')

1.6 使用git命令来同步代码 (暂时需要Paddle 1.4.1以上)

%cd work/

!git clone https://github.com/PaddlePaddle/Paddle.git  #Paddle官方模型

可以看到同步后work目录下出现一个PaddleDetection文件夹---------[不过会因为时延，下载失败]

也可以活用Git命令进行本地代码管理.

注意: Paddle的Git体积过大, 同步会非常迟缓. 建议使用浏览器插件, 对指定目录进行下载, 然后上传至AI Studio的项目空间中. Chrome版

通过以下命令克隆最新的PaddleDetection代码库。

! git clone https://github.com/PaddlePaddle/PaddleDetection

如果因为网络问题clone较慢，可以：

通过github加速通道clone
!git clone https://hub.fastgit.org/PaddlePaddle/PaddleDetection.git

选择使用码云上的托管
!git clone https://gitee.com/paddlepaddle/PaddleDetection

注：码云托管代码可能无法实时同步本github项目更新，存在3~5天延时，请优先从github上克隆。

使用本项目提供的代码库，存放路径work/PaddleDetection.zip

这里采用项目提供代码库：

! ls ~/work/PaddleDetection.zip

%cd ~/work/
! unzip -o PaddleDetection.zip

1.7 Magic命令

Magic命令是Notebook的高级用法了. 可以运行一些特殊的指令. Magic 命令的前面带有一个或两个百分号（% 或 %%），分别代表行 Magic 命令和单元格 Magic 命令。行 Magic 命令仅应用于编写 Magic 命令时所在的行，而单元格 Magic 命令应用于整个单元格。

举个例子:

#显示全部可用的Magic命令

%lsmagic

%matplotlib inline
%config InlineBackend.figure_format = 'retina'

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,1,300)
for w in range(2,6,2):
    plt.plot(x, np.sin(np.pi*x)*np.sin(2*w*np.pi*x))

                      

这里需要注意的是, 当前技术架构局限, 一个Cell里面只能输出一张图片. 如果输出多张图片, 可能会有显示异常的问题

%env：设置环境变量

使用该命令, 可以在不必重启Kernel的情况下管理notebook的环境变量

# Running %env without any arguments
# lists all environment variables

# The line below sets the environment
# variable OMP_NUM_THREADS
%env OMP_NUM_THREADS=4

%run: 运行python代码

使用%run 可以运行.py格式的python代码

当然是用!python也是可以的

我在项目空间中上传了一个.py文件, 里面只有一行print代码. 我们执行一下看看.

  

%run work/SampleOfRun.py
It's a demo code written in file SampleOfRun.py

!python work/SampleOfRun.py
It's a demo code written in file SampleOfRun.py

%%writefile and %pycat: 导出cell内容/显示外部脚本的内容

AI Studio当前支持一定格式文件的预览和处理, 如果您的格式比较特殊, 尚未支持的话, 不妨试试这两个命令.

%%writefile magic可以把cell的内容保存到外部文件里。 而%pycat则可把外部文件展示在Cell中

%%writefile SaveToPythonCode.py

from math import sqrt
for i in range(2,10):
    flag=1
    k=int(sqrt(i))
    for j in range(2,k+1):
        if i%j==0:
            flag=0
        break
        if(flag):
            print(i)

Writing SaveToPythonCode.py 因为没有指定路径, 所以文件被保存到了根目录下. 但至少it works.

我们再来尝试从中读文件内容

%pycat SaveToPythonCode.py

更多Magic命令可以点击这里查询 Magic命令

关于变量监控

你可以通过修改内核选项ast_note_interactivity，使得Jupyter对独占一行的所有变量或者语句都自动显示，这样你就可以马上看到多个语句的运行结果了。

!pip install pydataset



from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"

from pydataset import data

quakes = data('quakes')
quakes.head()
quakes.tail()

                 

2.project Debug：

2.1 Python代码执行与调试

       Notebook执行Python代码的原理和传统IDE略有不同.

• 传统IDE, 当点击Run按钮时, 编译器/解释器开始构建一个进程. 用户通过单步执行/设置断点进行代码调试和变量监控. 当代码出错, 或用户点击Stop按钮时, 进程被杀死, 资源回收.
• 而Notebook, 一旦启动, 就是开始创建一个"进程"(kernel). 每一个Cell, 都是一个天然的断点. 当代码出错, 或用户点击Stop按钮时, "进程"通常也不会被杀死.因此如果代码陷入死循环等情况, 需要用户手动关闭并重启该"进程".

        Notebook的Cell是可以随意颠倒顺序来执行的. 这点和传统IDE有很大不同.，作为前端的Notebook, 与后端的进程(kernel), 建立有一个Session. 未来本平台将支持terminal功能. 也就可以同时支持多个Session来控制kernel.

       变量监控

          因为Notebook的Cell是可以随意颠倒顺序来执行的, 因此本平台自带"变量监控"和"运行历史". 方便用户了解当前代码运行状态.

          通过重启环境并清空输出, 可以消除已生成的变量监控.

          

2.2  pdb&ipdb调试使用方法

1. pdb为python程序实现了一个交互式调试环境。它包括一些特性，可以暂停程序，查看变量值，以及逐步监视程序执行，从而能了解程序具体做了什么，并查找逻辑中存在的bug
2.   ipdb是pdb的扩展版本，在pdb的基础上添加了如下功能：

             ·可以使用tab（提示）补全代码的功能

颜色的代码（将变量、命令、函数名等区分开，提高代码可读性）

****pdb 和 ipdb同时安装 优先级是ipdb，并且兼容pdb

2.2.1 pdb

安装

pip install pdb -i https://pypi.tuna.tsinghua.edu.cn/simple

import pdb
pdb.set_trace()##设置断点

例子如下：

import pdb
##import ipdb
import sys

def add(num1=0, num2=0):
    return int(num1) + int(num2)
    
def sub(num1=0, num2=0):
    return int(num1) - int(num2)
    
def main():
    #Assuming our inputs are valid numbers
    num1 = 33
    num2 = 44
    pdb.set_trace() # <-- 这个表示添加断点
    addition = add(num1, num2)
    print (addition)
    subtraction = sub(num1, num2)
    print (subtraction)
    
if __name__ == '__main__':
    main()

一旦开始运行, 会出现交互框

如下图所示:

在这个输入框里敲入命令, 即可开始调试.

常见指令：

• 通过命令where(简写w)可以得出正在执行哪一行，以及程序的调用栈的位置。
• 通过直接输入变量i可以看到当前的值。  如：num1 num2   --------→p num1，num2
•     --------→    

• 通过list(简写l)可以看周围的代码默认是上5行、下5行。另外命令longlist(简写ll)可以输出当前的函数的源码。如果需要看整个类的源码可以通过source+类名获取源码。
• step(简称s):函数单步执行，如果遇到函数会进入函数内部继续调试，如果不需要进入函数体只是一步一步执行，此时就要用下面的next了。
• next(简称n):单步执行命令，不会进入函数体，但是向之前说的那个如果遇到了一个for循环10次还好如果是10000次呢，此时就要用到下面的命令了。
• until:该命令类型next，只不过它会继续执行，直到执行到同一个函数中行号大于当前值的一行,也就是说可以用until跳出循环末尾。当然until也可以指定一个比当前行号大的值，调到指定位置。
• 如果你想在任何时候退出，你可以使用q。正在执行的程序被中止。
• u也就是up ,回到上一层的帧栈 (对应的就是 d ) ，这在你进入到了一个exception的捕捉过程中的时候相当有用…
• display var  var是我们要跟踪的变量，这样每次var变化的时候就会自动print出来 想取消就用undisplay var即可
• bt/where 或者简写成 w 查看层叠帧栈
• source function 查看 function的源代码 类似的还有pdoc var 查看var的文档(变量和函数都可以，有点像dir(var)命令)
• pinfo var命令，可以看到var声明的源代码地址 ll命令也可以
• j（jump）修改CPU的下一条指令，会忽略中间的代码不去执行，也可以往回跳，

例子如下：

import pdb
class Myobj():
    def foo(self,num):
        print(f"当前的数字是:{num}")
        pdb.set_trace()
        for i in range(num):
            print(f"当前循环的数字:{i}")
        print("over")

if __name__ == '__main__':
    m=Myobj()
    m.foo(4)

       

可以发现执行until把整个循环走了一遍，然后到下一行也就是

print("over")

return:return也可以绕开一段代码的捷径，只不过它会继续执行，直至函数准备执行一个return语句，然后会暂停，使得在函数返回之前可以看到返回值.一个没什么实际用途的例子，不过可以很好地演示这个效果

import pdblst=[]class Myobj(): def foo(self,num): print(f"当前的数字是:{num}") pdb.set_trace() for i in range(num): print(f"当前循环的数字:{i}") lst.append(i) return lst if __name__ == '__main__': m=Myobj() m.foo(4)

 

断点相关：

break(简称b): 当然随着代码的增长即使使用return和until或者next都很费时间，此时就要考虑在指定位置设置断点的方式了，如果要在文件的一个特定行设置断点，可以使用break lineno，然后通过下面的continue(简写c)命令调到下一个断点。
我们还可以指定在某个函数中设置断点比如:break Myobj().foo
除此之外还可以执行其他文件设置断点，也可以相当于sys.path上将某个文件的相对路径。如果只执行break命令可以看到哪些地方有断点，包括哪个文件行号等信息。
disable:可以指定上面break之后显示的断点,执行后可以发现之前Enb栏有yes变为false。此时输入l可以看到打断点的为会有B标识。如果想彻底删除就需要执行clear命令了。

设置断点如下：                                                                                                              删除断点

               

clear:彻底删除一个断点，使用方式clear id号，类型disable
tbreak:临时断点，程序第一次执行到临时断点时会自动清除。不用再去手动删除了。

条件断点：

可以对断点应用一些规则，以便其仅当条件满足时才执行。与手动启用和禁用断点相比，使用条件断点可以更好地控制调试器暂停程序的方式。条件断点可以通过两种方式设置。第一种方法是指定使用break设置断点时的条件。使用方法是代码行号加表达式。看一个应用例子

import pdblst = []class Myobj(): pdb.set_trace() def foo(self, num): print(f"当前的数字是:{num}") if __name__ == '__main__': m = Myobj() [m.foo(i) for i in range(10)]

• .break 10,num>5,是指在第10行打断点，然后条件是num>5的时候，通过后面输出break可以看到具体的断点信息，很明显看到我们的断点条件

stop only if num>5

 

如果表达式的计算结果为true，则执行将在断点处停止。除此之外，还可以使用条件命令将条件应用于现有断点。参数是断点id和表达式。

忽略断点

如果在循环的过程中想忽略前几条结果，比如这里忽略前3个，就可以使用ignore.
使用方法是:

ignore 断点id 忽略次数。

如果在运行之前不想忽略了可以使用下面命令,如果已经运行continue了的话就没效果了。

ignore 断点id 0

监视变量

display:有时候我们需要实时观察一个变量的变化，这个时候dispaly就是最好的帮手,如果想移出可以使用undisplay。

改变工作流

jump:jump命令在运行时改变程序的流程，而不修改代码。 它可以向前跳过以避免运行某些代码，也可以向后跳转以再次运行它。

import pdbdef f(n): pdb.set_trace() result = [] j = 0 for i in range(n): j = i * n + j j += n result.append(j) return result if __name__ == '__main__': print(f(5))

向前跳

向前跳转会将执行点移动到当前位置之后，而不会执行期间任何语句。

          

可以看到jump作用是跳转到指定行，对应的中断行的值不会被使用

不使用jump如下：

前跳jump 原理是，终端点计算是运行，但是在弹出result时候不记录

向后跳

跳转还可以将程序执行移动到已经执行的语句中，以便再次运行它。

不允许的jump方式

1.跳入和跳出某些流控制语句，无法判断什么时候进入。
2.跳转可以用来输入函数，但是不给参数，代码也不能工作。
3.跳转不会进入for循环或try:except语句等块的中间。
4.finally块中的代码必须全部执行，因此跳转不会离开该块。
5.最基本的限制是跳转被限制在调用堆栈的底部框架上。 向上移动堆栈以检查变量后，此时无法更改执行流程。

2.2.2 ipdb

#如发现环境中未安装, 可以运行下方代码来安装ipdb

!pip install ipdb -i https://pypi.tuna.tsinghua.edu.cn/simple

ipdb常用指令~~~和pdb相似

• ENTER (重复上次命令)
• c (继续)
• l (查找当前位于哪里)
• s (进入子程序,如果当前有一个函数调用，那么 s 会进入被调用的函数体)
• n(ext) 让程序运行下一行，如果当前语句有一个函数调用，用 n 是不会进入被调用的函数体中的
• r (运行直到子程序结束)
• !<python 命令>
• h (帮助)
• a(rgs) 打印当前函数的参数
• j(ump) 让程序跳转到指定的行数
• l(ist) 可以列出当前将要运行的代码块
• p(rint) 最有用的命令之一，打印某个变量
• q(uit) 退出调试
• r(eturn) 继续执行，直到函数体返回

使断点全局失效/生效

import ipdb
ipdb.set_trace()	#在你想要开始调试的地方写下这行就可以

• 如果单次想要让断点失效，但是又不想手动一个一个删除ipdb.set_trace()怎么办？

def f():
	pass

ipdb.set_trace=f

利用函数覆盖
如果调试到一半又想要使用ipdb.set_trace()的功能怎么办

reload ipdb  或者 del ipdb

想要监视某个变量的特殊情况

• condition BreakPointIndex expr
• 在那个出错的地方加上ipdb的set_trace

比如说，想看xx小于0的时候是怎么个情况，就在它上次报错的后面加上：

if xx<0:
	import ipdb
	ipdb.set_trace()