谷歌大神又一開源神器！Python代碼調試不選它選誰？

↑↑↑點擊上方藍字，回覆資料，10個G的驚喜

如果調試是Debug的必經之路，那麼編程應該將它考慮在內。今天就和大家分享一個代碼調試神器——Cyberbrain。

Cyberbrain是一個免費開源的Python代碼調試解決方案，它可視化程序執行以及每個變量的變化方式，讓程序員免受調試之苦。主要具有以下3個特性：

• 回溯變量更改

• 查看程序執行的每個狀態，包括變量的值

• 循環調試

Cyberbrain並不會改變你的工作流程，運行一個程序（從 vscode 或命令行，都可以），一個新的面板將被打開，程序執行情況全部以可視化展示。

Cyberbrain如何安裝

Cyberbrain由一個Python庫和各種編輯器/ IDE集成組成。當前，它支持VS Code。要安裝Cyberbrain：

pip install cyberbrain
code --install-extension laike9m.cyberbrain

你也可以直接從VS Code上安裝。

如何使用

假設你想跟蹤一個函數foo，只需用@trace以下命令裝飾它：

from cyberbrain import trace
# As of now, you can only have one @trace decorator in the whole program.
# We may change this in version 2.0, see https://github.com/laike9m/Cyberbrain/discussions/73
@trace  # Disable tracing with `@trace(disabled=True)`
def foo():
    ...

以下gif演示了工作流程：

使用Cyberbrain，可能有哪些意外

Cyberbrain可能與其他調試器發生衝突。如果設置斷點並使用VSC的調試器，則Cyberbrain可能無法正常運行。

如果你打開了多個VS Code窗口，則將始終在第一個窗口中創建跟蹤圖。

當有多個裝飾器時，應將其@trace作爲最裏面的裝飾器。

@app.route("/")
@trace
def hello_world():
    x = [1, 2, 3]
    return "Hello, World!"

賽博大腦——數據流分析和變量跟蹤

與其他調試器不同，Cyberbrain可以顯示準確的數據流，並且可以在程序的每個狀態中持續存在。你不僅不需要記住任何事情，甚至你都不需要逐步執行操作，這樣一來就可以節省大量調試時間。

下圖是使用Cyberbrain進行調試的方法：

假如你想找出返回值錯誤的原因。通過查看圖表，你已經對導致返回值的原因有了一個大概的瞭解。

接下來，將鼠標懸停在“返回”節點上，所有相關值都會顯示出來，形成從函數開始到結束的跟蹤路徑：

只要動動鼠標就能找到問題，誰還會去用編譯器呢？

目標檢查

如果現在有一個大列表，但它無法與圖匹配，如何使用工具來檢查它的值？devtools可用於檢查值，如下所示。

啓動後，Cyberbrain會自動打開devtools窗口。將鼠標懸停在變量上時，其值將記錄在devtools控制檯中。因此，在這種情況下，儘管沒有足夠的空間在跟蹤圖中顯示整個列表，但是您仍然可以從devtools中檢查其值。

幾乎所有的Python調試器（PyCharm，VS Code等）都會截取參數，並且無法顯示大列表中的每個元素。但是我們相信“細節決定成敗”，每條信息可能都是有用的，不應忽略。因此，除非你明確指示，Cyberbrain不會截取參數。

循環

Cyberbrain還有另一個獨特的功能，你可以在調試時設置循環計數器。

由於實現非常複雜，因此存在一些已知的錯誤，不過隨着更新，應該會變得更好。

目前，Cyberbrain已經在Github上標星 1.5K ，累計分支  64  個。（Github地址： https://github.com/laike9m/Cyberbrain ）

最後，值得一提的是，創建者laike9m畢業於清華大學，谷歌軟件工程師，目前全職開發Cyberbrain工具。

來自：開源最前線（ID：OpenSourceTop） 

鏈接 ：https://medium.com/analytics-vidhya/cyberbrain-python-debugging-redefined-1db4c47a4d32

 
    
    
    

  
     
     
     
 
    
    
    
 
    
    
    

     
     
     
  也可以加一下老胡的微信
 
    
    
    
 
    
    
    

     
     
     
  圍觀朋友圈~~~
 
    
    
    



   
   
   

 
    
    
    

  
     
     
     

   
      
      
      

    
       
       
       
 
        
 
         
 
          
推薦閱讀
 
         
 
        
 
        
 
         
（點擊標題可跳轉閱讀）
 
        
 
        
 
         
 
          
 
           
 
            
我愛線代，線代使我快樂
 
            
麻省理工學院計算機課程【中文版】
 
            
【清華大學王東老師】現代機器學習技術導論.pdf
 
            
機器學習中令你事半功倍的pipeline處理機制
 
            
機器學習避坑指南：訓練集/測試集分佈一致性檢查
 
            
機器學習深度研究：特徵選擇中幾個重要的統計學概念
 
           
 
          
 
         
 
        
 
       
   
      
      
      
  
     
     
     
 
    
    
    

   
   
   
老鐵，三連支持一下，好嗎？↓↓↓

本文分享自微信公衆號 - 機器學習算法與Python實戰（tjxj666）。
如有侵權，請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”，歡迎正在閱讀的你也加入，一起分享。