以下是Ubuntu上PyTorch的调试技巧：

1. 环境配置：用Miniconda/Anaconda管理环境，安装对应CUDA和cuDNN以适配PyTorch版本，通过torch.cuda.is_available()验证安装。
2. 代码级调试：
   • 断点调试：用pdb或ipdb在代码中设置断点，逐步执行并检查变量，如import pdb; pdb.set_trace()。
   • 日志记录：通过logging模块记录运行状态，或用TensorBoard可视化损失和指标。
   • 单元测试：用unittest或pytest编写测试用例，验证代码模块功能。
3. 工具辅助调试：
   • IDE工具：PyCharm、VSCode等支持断点、变量查看等高级调试功能。
   • 自动检测工具：用torch.autograd.set_detect_anomaly(True)检测梯度计算错误。
   • 性能分析工具：用torch.autograd.profiler分析模型性能瓶颈。
4. 常见问题排查：
   • CUDA相关错误：检查驱动、CUDA、cuDNN版本兼容性，通过nvidia-smi查看显卡状态。
   • 版本冲突：参考PyTorch官网选择适配的Python、CUDA版本，避免库冲突。