VSCode调试PyTorch需配置launch.json：console设为"integratedTerminal"，env添加{"CUDA_VISIBLE_DEVICES": "0", "PYTHONUNBUFFERED": "1"}；启用Pylance并标注device类型以显示张量形状；用Jupyter插件内联绘制loss曲线。
VSCode能直接调试PyTorch训练循环并实时看张量、损失曲线和GPU占用，但前提是launch.json里必须显式传参且禁用输出缓冲——否则断点不生效、变量面板为空、TensorBoard打不开。
launch.json必须加console: "integratedTerminal"和env: {"PYTHONUNBUFFERED": "1"}
PyTorch调试卡在model.train()不进断点？大概率是输出被缓冲了。默认console: "internalConsole"会吞掉print和日志，导致调试器收不到运行时信号；而PYTHONUNBUFFERED=1强制Python逐行刷stdout，让VSCode能同步捕获变量状态和异常堆栈。
- 必须写成
"console": "integratedTerminal"，不能用externalTerminal（Windows下会闪退）或internalConsole（Linux/macOS下tensor形状不显示） -
env字段要显式声明{"CUDA_VISIBLE_DEVICES": "0", "PYTHONUNBUFFERED": "1"}，漏掉PYTHONUNBUFFERED会导致torch.cuda.memory_allocated()返回0 - 如果用
args传配置文件，路径必须是相对${workspaceFolder}的，比如"--config", "configs/train.yaml"，绝对路径在远程开发时会失效
变量面板看不到batch张量形状？检查Pylance是否识别device类型
VSCode默认把batch['image'].to(device)当普通dict处理，不会展开torch.Tensor结构。Pylance语言服务器需要明确知道device是torch.device类型，才能触发PyTorch专用的变量渲染逻辑。
- 确保已安装
Pylance扩展，并在settings.json中设"python.languageServer": "Pylance" - 在代码顶部加类型提示：
device: torch.device = torch.device("cuda" if torch.cuda.is_available() else "cpu")，否则Pylance推断为Any - 鼠标悬停在
batch['image']上，若显示Tensor (shape: [4, 3, 224, 224], dtype: torch.float32, device: cuda:0)才算成功；否则右键变量→“Copy Value”粘贴到Python终端里手动查.shape
想点一下就看loss曲线？别手动开TensorBoard，用Jupyter插件嵌入训练脚本
VSCode里开单独TensorBoard进程（tensorboard --logdir=runs）再切浏览器，效率太低。更直接的方式是：把训练循环封装成函数，在.ipynb里调用，利用Jupyter插件的内联图表能力。
- 新建
debug_train.ipynb，第一行加载环境：%run -i train.py（注意-i参数保持交互式命名空间） - 后续单元格调用
train_one_epoch(model, dataloader, ...)，在循环内插入plt.plot(losses); plt.show()，图表直接渲染在notebook里 - 关键点：Jupyter内核必须和
launch.json用同一conda环境，否则torch.cuda.is_available()返回False - 如果图表不刷新，检查
settings.json里是否禁用了"jupyter.askForKernelRestart": false
真正卡住人的不是功能不会用，而是launch.json里少一个逗号导致整个调试配置静默失败，或者Pylance没识别出torch.device类型就放弃张量渲染——这些细节不报错，只让调试体验倒退到print大法时代。
