【记录】使用VScode进行远程命令行指定参数调试方法，python -m

简单命令

1. 例如想要执行的命令为
   CUDA_VISIBLE_DEVICES="0,1,2,3" python train.py --batch_size 8 --imgsize 680
2. 在launch.json中添加如下，再打开train.py这个文件，设置断点，点击上方的运行->调试即可

{
    // 使用 IntelliSense 了解相关属性。 
    // 悬停以查看现有属性的描述。
    // 欲了解更多信息，请访问: https://go.microsoft.com/fwlink/?linkid=830387
    "version": "0.2.0",
    "configurations": [
        {
            "name": "Python: 当前文件",
            "type": "python",
            "request": "launch",
            "program": "${file}",
            "console": "integratedTerminal",
            "env": {"CUDA_VISIBLE_DEVICES":"0,1,2,3"},
            "args": ["--batch_size", "8", "--imgsize", "680"]
            ]
        }
    ]
}

复杂命令

想执行的命令形如 python -m，就不能只是指定启动参数了

python -m torch.distributed.launch --nproc_per_node=4  train.py  --batch_size 8 --imgsize 680

有两种方式实现，推荐方式二

方式一

1. 那么执行python3 -m pip install debugpy安装debugpy
   再在launch.json中填入

   {
       // 使用 IntelliSense 了解相关属性。 
       // 悬停以查看现有属性的描述。
       // 欲了解更多信息，请访问: https://go.microsoft.com/fwlink/?linkid=830387
       "version": "0.2.0",
       "configurations": [
           {
               "name": "Python: Attach",
               "type": "python",
               "request": "attach",
               "connect": {
               "host": "localhost",
               "port": 5678
               }
           }
       ]
   }
   

2. 然后命令行执行

   python -m debugpy --listen 5678 -m torch.distributed.launch --nproc_per_node=4  train.py  --batch_size 8 --imgsize 680
   

3. 再点运行->调试，稍等片刻即可连接上你的调试，使用这种方式的调试，工具栏的最右边由停止符号变成了一个双插头连接符号
   

方式二

        // 想要执行python -m torch.distributed.launch --nproc_per_node=4  train.py  --batch_size 8 --imgsize 680
        // 定位到当前解释器中torch.distributed.launch包的位置并设置program项，可以通过import torch.distributed.launch as launch 然后打印 launch.__file__即可获得
        {
            "name": "train-base",
            "type": "python",
            "request": "launch",
            "program": "/usr/local/anaconda3/envs/openmmlab/lib/python3.7/site-packages/torch/distributed/launch.py",
            "console": "integratedTerminal",
            "env": {"CUDA_VISIBLE_DEVICES":"0,1,2,3"},
            "args": ["--node_rank=4", "train.py", 
                    "batch_size", "8", "--imgsize", "680"]
        }

相关参考：
博客
微软VScode