### 如何在 Python 调试过程中查看数组或张量的形状 在调试 Python 程序时，尤其是涉及 NumPy 数组或 PyTorch 张量的情况下，了解其形状是非常重要的。以下是几种常见的方法来查看这些对象的形状。 #### 方法一：直接打印 `.shape` 属性 NumPy 数组和 PyTorch 张量都具有 `shape` 属性，可以直接访问并打印该属性以获取形状信息。 ```python import numpy as np arr = np.zeros((3, 4)) print(arr.shape) # 输出: (3, 4) import torch tensor = torch.tensor([[1, 2], [3, 4]]) print(tensor.shape) # 输出: torch.Size([2, 2]) ``` 这种方法是最直观且最常用的手段之一[^1][^3]。 #### 方法二：自定义对象表示形式以便于调试 如果希望在调试工具（如 VSCode 的 Debug Console 或其他 IDE 中）更方便地看到张量或数组的信息，可以修改它们的字符串表示形式。例如： 对于 PyTorch 张量，可以通过覆盖默认的 `__repr__` 方法来自定义输出内容： ```python def custom_repr(self): return f'Tensor Shape: {tuple(self.shape)}' original_repr = torch.Tensor.__repr__ torch.Tensor.__repr__ = custom_repr ``` 这样，在任何地方调用张量的字符串表示时都会显示其形状信息[^5]。 #### 方法三：利用断点与变量监视功能 大多数现代集成开发环境（IDEs），像 Visual Studio Code、PyCharm 等提供了强大的调试支持。可以在设置断点之后观察当前作用域内的所有局部变量及其值，其中包括数组或者张量的具体尺寸大小等细节。 比如，在VSCode里运行程序进入暂停状态后，右侧会弹出一个窗口展示各个活跃变量的状态；此时只需找到目标变量名即可快速定位它的`.shape`字段值[^5]。 #### 方法四：借助日志记录库 除了简单的标准输出外，还可以考虑采用专业的日志管理方案——logging模块来进行更加结构化的消息跟踪工作流设计。这不仅有助于长期维护项目代码质量还能有效提升排查错误效率。 ```python import logging logger = logging.getLogger(__name__) handler = logging.StreamHandler() formatter = logging.Formatter('%(asctime)s %(levelname)-8s [%(filename)s:%(lineno)d] %(message)s') handler.setFormatter(formatter) logger.addHandler(handler) logger.setLevel(logging.DEBUG) array = np.random.rand(5,7) logger.debug(f"Array shape is {array.shape}") ``` 以上就是一些关于如何在Python编程环境下有效地监控数据结构几何特性的技巧介绍[^1].