断点不生效主因是解释器未选对ai环境，需手动通过“python: select interpreter”选择含venv/conda路径，并确认右下角显示完整路径与终端which python一致。
VSCode 调试 Python AI 代码时断点不生效？先看解释器是否选对
断点灰色、F5 启动后直接跑完、变量窗口空——90% 是因为 VSCode 没用你安装了 PyTorch/TensorFlow 的那个 Python 解释器。它可能默认用了系统自带的 python3.11，而你的 AI 库只装在 venv 或 conda 环境里。
实操建议：
- 按
Ctrl+Shift+P（Mac 为Cmd+Shift+P），输入Python: Select Interpreter，从列表中手动选中含env、venv或miniconda字样的路径 - 确认终端右下角显示的解释器路径与你在命令行中运行
which python或conda activate myenv && which python输出一致 - 如果用的是 Jupyter Notebook 模式调试（比如
.ipynb文件），必须确保 Kernel 也指向同一环境，否则断点在单元格里无效
AI 训练循环中设断点，为什么只停一次就跳过了？
PyTorch 的 train_loader 或 TensorFlow 的 tf.data.Dataset 迭代器本质是生成器，VSCode 默认只在首次迭代入口处触发断点，后续 epoch 不再进入——这不是 bug，是调试器对生成器的默认行为。
实操建议：
- 把断点设在训练循环内部更靠下的位置，比如
loss.backward()前或optimizer.step()后，而不是for batch in train_loader:这一行 - 在循环体开头加一句
import pdb; pdb.set_trace()强制进入交互式调试（需确保没被try/except吞掉） - 若用 PyTorch Lightning，优先用
Trainer(fast_dev_run=True)快速验证断点逻辑，避免等完整 epoch
调试时变量值显示 <function ...></function> 或 <module></module>？别急着刷新
这是 VSCode 的变量求值机制在 AI 场景下的典型表现：模型对象（如 nn.Module）、Dataloader、甚至 torch.Tensor 的某些属性，在调试器里默认不展开，显示为占位符。
实操建议：
- 在“变量”面板中右键目标变量 → 选择
Re-evaluate，有时能强制触发真实值计算 - 更可靠的做法：在“调试控制台”中手动输入表达式，比如
model.fc2.weight.shape或batch[0].mean().item() - 避免在大型 Tensor 上直接展开，容易卡死；先用
.shape、.dtype、.device快速确认状态
F10 和 F11 在调试 AI 代码时到底该用哪个？
F10（Step Over）跳过函数调用，F11（Step Into）钻进函数内部——但在 AI 项目里，盲目按 F11 很容易陷进 PyTorch C++ 底层或 CUDA 初始化逻辑里，半天出不来。
实操建议：
- 绝大多数时候用
F10，尤其面对model(x)、loss_fn(y_pred, y_true)这类封装好的调用 - 仅当你明确想看某个自定义函数（如
custom_collate_fn或MyLoss.forward）内部逻辑时，才在调用前按F11 - 如果误入底层且卡住，直接点调试工具栏的
Restart按钮比强行F11出来更省时间
