PyTorch训练代码在PyCharm调试模式挂起，运行正常如何调试？

针对你遇到的运行模式正常但调试模式挂起、print内容无法输出的问题，可按以下步骤排查解决：

• 调整DataLoader多进程参数
  调试模式下PyCharm对多进程的支持存在局限，尤其是Windows环境下，num_workers>0很容易导致子进程阻塞主线程。把DataLoader的num_workers改为0即可：

  train_loader = torch.utils.data.DataLoader(
      train_set,
      sampler=sampler_train,
      batch_size=32,
      num_workers=0  # 调试阶段临时设置为0
  )
  

  调试完成后再改回原数值即可。

• 修改断点位置与调试器设置

  1. 把断点从model.train()移到print("something")行，或者外层循环的开头，确认是否能正常触发调试。
  2. 关闭PyCharm自动附加子进程的功能：进入Settings > Build, Execution, Deployment > Debugger > Python，取消勾选**"Attach to subprocess automatically"**，避免调试器错误附加到DataLoader的子进程导致挂起。

• 排查Sampler与数据加载逻辑

  1. 临时替换WeightedRandomSampler为普通的RandomSampler，验证是否是采样器逻辑导致的问题：

     sampler_train = torch.utils.data.RandomSampler(train_set, replacement=True)
     

     如果替换后调试正常，检查sample_weights_train是否存在NaN、无穷大值，或者维度与数据集长度不匹配的情况。
  2. 在训练循环前手动遍历一次DataLoader，确认数据加载阶段是否正常：

     # 训练循环前添加测试代码
     for data in train_loader:
         print("数据加载正常")
         break
     

     如果这一步调试时也挂起，说明问题出在DataLoader初始化或数据集读取逻辑上。

内容的提问来源于stack exchange，提问作者Gulzar