与 ×× 重修旧好
与代码重修旧好
VS Code 插件、Python 环境检查和复现要点。
原始笔记 2024–2025 修订于
文章目录
VS Code 插件
- 远程连接:Remote-SSH、Remote Explorer。设置文档
- Python:Python、Pylance。解释器与环境
- 辅助:Path Intellisense 补全路径,TODO Highlight 标出待办,CodeSnap 生成代码截图。
检查运行环境
在项目使用的终端和解释器里执行:
python -c 'import sys, torch;print(sys.executable);print(torch.__version__);print(torch.version.cuda)'
依次输出解释器路径、PyTorch 版本和该构建对应的 CUDA 版本。
复现时看什么
先跑通项目自带的推理与评价脚本,再对照论文追踪数据流、模块输入输出和损失函数。记录配置、代码版本以及与论文结果的差异;一次改一个因素,检查它是否产生预期效果。
从 DAGR 复现记录看环境版本
OpenVisualLab 在 2024 年的 DAGR 复现笔记记录过一组环境:PyTorch 1.11.0、torchvision 0.12.0、torchaudio 0.11.0、CUDA Toolkit 11.3,并固定 setuptools 69.5.1 与 MKL 2024.0。这是当时实验的配置记录,重做实验时仍应以对应代码版本的依赖为准。
有三项检查值得保留:
nvcc -V查看系统 CUDA 编译工具链;torch.version.cuda查看当前 PyTorch 构建使用的 CUDA 版本。两者反映不同层次,需要结合实际编译扩展的要求检查。- 安装
torch-sparse等扩展前,先核对 PyTorch 和 CUDA 的组合,再选对应的软件包。原记录使用了匹配torch-1.11.0+cu113的 PyG 包。 - 将 Python、PyTorch、CUDA、依赖版本与安装渠道一起记入实验记录。环境可复现后,再开始调试模型与数据流。
来源:原始 DAGR 环境记录。原记录中的机器代理地址、安装器路径和完整命令留在本地历史档案。