如何调试自定义损失函数并定位具体出错代码行？

类型不匹配类报错（如expected 'int32' but got 'float32'）定位方法 #

• 优先开启即时执行模式调试：TensorFlow 可以在代码入口添加tf.config.run_functions_eagerly(True)，禁用图编译模式，损失函数会逐行执行，报错直接指向问题代码行；PyTorch 关闭torch.compile即可，默认即时执行模式本身就支持行级报错。
• 增加显式类型断言：在损失函数的输入入口、每一步运算结束后添加断言校验，比如assert y_true.dtype == tf.int32, f"y_true 实际类型为 {y_true.dtype}"，运行时触发断言即可直接定位到类型异常的位置。
• 优先排查高频出错场景：分类任务中标签默认int类型、模型输出为float类型直接运算、独热编码接口传入非int输入、损失计算时忘记对预测值/标签做类型转换，都是这类报错的常见来源，可以先校验这几处逻辑。

训练阶段报错的调试方法（解决print不生效问题） #

• 替换原生print为框架专属打印算子：TensorFlow 场景下不要用Python原生print，改用tf.print()，即使在@tf.function装饰的图模式下也能在每轮训练/验证时输出张量的数值、形状、类型，不会只在编译阶段打印一次；PyTorch 原生print默认在训练阶段可正常输出。
• 抽离损失函数做独立测试：手动构造和训练输入完全一致形状、类型的y_true和y_pred样本，单独调用损失函数运行，不需要走完整的数据集加载、模型训练流程，不仅所有打印内容可正常输出，报错也会直接定位到具体代码行。
• 拆分运算步骤逐行校验：把损失函数的逻辑拆解为多个单步运算，逐个运行校验每一步的输出是否符合预期，比逐段注释代码的排查效率更高。

内容的提问来源于stack exchange，提问作者Mastiff