---

你是否也有這樣的痛點：在 PyCharm 中調試深度學習模型或代碼時，變量區會清晰顯示每個變量的 shape 和類型信息，而在 VS Code 中卻只能看到一團 tensor(...)？別急，這篇文章帶你一步一步打造 VS Code 的“PyCharm 式調試體驗”。

先看 VS Code 調試效果圖：

🎯 目標：在 VS Code 調試器中自動顯示這些變量信息

• ? torch.Tensor: 顯示 {Tensor: (3, 4)}
• ? numpy.ndarray: 顯示 {ndarray: (2, 2)}
• ? pandas.DataFrame: 顯示 {DataFrame: (5, 3)}
• ? list、dict、set、tuple: 顯示長度 {list: 3}，{dict: 3}，{set: 3}，{tuple: 3}

---

🔍 原理簡介

VS Code 的 Python 調試器底層使用的是 debugpy，其中，變量的顯示格式由 pydevd_xml.py 中的 get_variable_details() 函數控制。通過修改該函數邏輯，我們可以為常見的數據結構注入形狀（shape）或長度（len）信息，使其直接顯示在調試面板中。

?? 其他方案的局限性

在社區中也存在一些嘗試解決此問題的方案，但大多存在以下缺陷：

? 方案一：重寫 __repr__

一種直觀的做法是通過自定義 __repr__ 方法來改變變量在調試器中的顯示方式【在 VS Code 中調試 Tensor 形狀不顯示的問題及解決方案】。這種方式可以實現變量顯示的定制化，但它 無法影響調試器中內置類型（如 bool、int、str 等）的顯示行為。

? 方案二：向 debugpy 注冊自定義變量顯示器（StrPresentationProvider）

另一種方法是利用 debugpy 提供的擴展機制，注冊一個 StrPresentationProvider，告訴調試器如何渲染特定類型的變量。【在 VS Code 調試器中自動顯示變量形狀和維度信息】【VS Code 中為調試器增強變量顯示：自動顯示張量 Shape、DataFrame 維度和容器長度】。這種方法雖然理論上更優雅，但在實際使用中發現，它會 讀取原始的完整變量內容 來生成字符串表示，這在面對大型數組、DataFrame 或嵌套結構時會導致 嚴重卡頓甚至崩潰，嚴重影響調試體驗。

? 我的方案優勢

我選擇從 debugpy 內部機制入手，通過修改其源碼中的 get_variable_details() 函數，在變量渲染階段注入形狀信息，從而避免了上述方法的性能問題和副作用。

這一改動僅作用于調試器前端顯示層，不會影響程序運行邏輯，也不會因變量過大而造成性能瓶頸。

而且，debugpy 在內部已經對變量內容做了優化處理，只讀取必要的元數據（如 shape、dtype、len）而不加載整個對象內容，因此能保持幾乎與原始 VS Code 調試器相同的響應速度。

---

🛠? 具體實現步驟

1. 找到 debugpy 對應的文件目錄

根據你使用的編輯器和操作系統，找到對應的文件目錄：

對于 Windows 用戶

如果你使用的是 VS Code 或基于 VS Code 內核的編輯器（例如 Cursor），則路徑通常如下：

• VS Code:

C:\Users\Tang\.vscode\extensions\ms-python.debugpy-2025.10.0-win32-x64\bundled\libs\debugpy\_vendored\pydevd\_pydevd_bundle\pydevd_xml.py

• Cursor:

C:\Users\Tang\.cursor\extensions\ms-python.debugpy-2025.8.0-win32-x64\bundled\libs\debugpy\_vendored\pydevd\_pydevd_bundle\pydevd_xml.py

💡 注意：實際路徑可能會有所不同，請根據實際情況調整。

對于 Ubuntu / Linux 用戶

如果你使用的是 Ubuntu 或其他 Linux 發行版，路徑通常如下：

• VS Code:

~/.vscode-server/extensions/ms-python.debugpy-2025.10.0-linux-x64/bundled/libs/debugpy/_vendored/pydevd/_pydevd_bundle/pydevd_xml.py

• Cursor:

~/.cursor-server/extensions/ms-python.debugpy-2025.6.0-linux-x64/bundled/libs/debugpy/_vendored/pydevd/_pydevd_bundle/pydevd_xml.py

💡 注意：我寫的是遠程 remote-ssh 的服務器路徑，本地路徑可能會有所不同比如.cursor-server換成.cursor等，請根據實際情況調整。

---

2. 修改 get_variable_details() 函數

修改之前做好備份

打開 pydevd_xml.py 文件，找到get_variable_details()函數，完整修改之后如下：

def get_variable_details(val, evaluate_full_value=True, to_string=None, context: Optional[str] = None):""":param context:This is the context in which the variable is being requested. Valid values:"watch","repl","hover","clipboard""""try:# This should be faster than isinstance (but we have to protect against not having a '__class__' attribute).is_exception_on_eval = val.__class__ == ExceptionOnEvaluateexcept:is_exception_on_eval = Falseif is_exception_on_eval:v = val.resultelse:v = val_type, type_name, resolver = get_type(v)type_qualifier = getattr(_type, "__module__", "")if not evaluate_full_value:value = DEFAULT_VALUEelse:try:# 添加形狀信息shape_info = ""try:# 處理 PyTorch Tensorif type_qualifier == "torch" and hasattr_checked(v, 'shape') and hasattr_checked(v, 'dtype'):shape = tuple(v.shape)dtype = str(v.dtype)shape_info = f"{{Tensor: {shape}}} "# 處理 NumPy ndarrayelif type_qualifier == "numpy" and hasattr_checked(v, 'shape') and hasattr_checked(v, 'dtype'):shape = tuple(v.shape)dtype = str(v.dtype)shape_info = f"{{ndarray: {shape}}} "# 處理 Pandas DataFrameelif type_qualifier == "pandas.core.frame" and hasattr_checked(v, 'shape'):shape = tuple(v.shape)shape_info = f"{{DataFrame: {shape}}} "# 處理 Pandas Serieselif type_qualifier == "pandas.core.series" and hasattr_checked(v, 'shape'):shape = tuple(v.shape)dtype = str(v.dtype)shape_info = f"{{Series: {shape}}} "# 處理其他有 shape 屬性的對象elif hasattr_checked(v, 'shape'):shape_info = f"{{{v.shape}}} "# 處理可計數對象elif hasattr_checked(v, '__len__'):try:length = len(v)shape_info = f"{{{type_name}: {length}}} "except:passexcept:passstr_from_provider = _str_from_providers(v, _type, type_name, context)if str_from_provider is not None:value = shape_info + str_from_providerelif to_string is not None:value = shape_info + to_string(v)elif hasattr_checked(v, "__class__"):if v.__class__ == frame_type:value = pydevd_resolver.frameResolver.get_frame_name(v)elif v.__class__ in (list, tuple):if len(v) > 300:value = "%s: %s" % (str(v.__class__), "<Too big to print. Len: %s>" % (len(v),))else:value = "%s: %s" % (str(v.__class__), v)else:try:cName = str(v.__class__)if cName.find(".") != -1:cName = cName.split(".")[-1]elif cName.find("'") != -1:  # does not have '.' (could be something like <type 'int'>)cName = cName[cName.index("'") + 1 :]if cName.endswith("'>"):cName = cName[:-2]except:cName = str(v.__class__)value = "%s: %s" % (cName, v)else:value = shape_info + str(v)except:try:value = repr(v)except:value = "Unable to get repr for %s" % v.__class__# fix to work with unicode valuestry:if value.__class__ == bytes:value = value.decode("utf-8", "replace")except TypeError:passreturn type_name, type_qualifier, is_exception_on_eval, resolver, value

具體來說，在 get_variable_details() 函數中添加了1處內容，并修改了3處內容，具體如下：

1. 添加了1處內容。
   找到if not evaluate_full_value:這個地方，進行下面的添加：

if not evaluate_full_value:value = DEFAULT_VALUE
else:try:# 添加形狀信息shape_info = ""try:# 處理 PyTorch Tensorif type_qualifier == "torch" and hasattr_checked(v, 'shape') and hasattr_checked(v, 'dtype'):shape = tuple(v.shape)dtype = str(v.dtype)shape_info = f"{{Tensor: {shape}}} "# 處理 NumPy ndarrayelif type_qualifier == "numpy" and hasattr_checked(v, 'shape') and hasattr_checked(v, 'dtype'):shape = tuple(v.shape)dtype = str(v.dtype)shape_info = f"{{ndarray: {shape}}} "# 處理 Pandas DataFrameelif type_qualifier == "pandas.core.frame" and hasattr_checked(v, 'shape'):shape = tuple(v.shape)shape_info = f"{{DataFrame: {shape}}} "# 處理 Pandas Serieselif type_qualifier == "pandas.core.series" and hasattr_checked(v, 'shape'):shape = tuple(v.shape)dtype = str(v.dtype)shape_info = f"{{Series: {shape}}} "# 處理其他有 shape 屬性的對象elif hasattr_checked(v, 'shape'):shape_info = f"{{{v.shape}}} "# 處理可計數對象elif hasattr_checked(v, '__len__'):try:length = len(v)shape_info = f"{{{type_name}: {length}}} "except:passexcept:pass

2. 然后在構建最終顯示值時，將 shape_info 插入前面，共3處：

value = str_from_provider修改如下：

value = shape_info + str_from_provider

value = to_string(v)修改如下：

value = shape_info + to_string(v)

value = str(v)修改如下：

value = shape_info + str(v)

---

📊 工作流程解析

當我們在 VS Code 中啟動調試會話時，整個流程如下：

1. VS Code 啟動調試器并加載內置的 debugpy 模塊。
2. debugpy 連接到目標 Python 程序并開始監聽斷點。
3. 當程序暫停時，debugpy 收集當前作用域內的變量信息。
4. 在變量渲染階段，調用 get_variable_details() 函數生成顯示字符串。
5. 我們的修改在此處注入形狀信息。
6. 最終結果返回給 VS Code 前端展示。

需要注意的是，VS Code 優先使用其自帶的 debugpy，而不是環境中的 pip 安裝版本。因此，我們的修改需針對 VS Code 擴展目錄中的源文件。

---

?? 注意事項

1. VS Code 更新覆蓋修改：每次更新 VS Code 或 Python 擴展后，可能需要重新應用修改。
2. 備份原始文件：修改前務必備份原文件，以便恢復或對比。

---

📚 參考文獻

1. 在 VS Code 中調試 Tensor 形狀不顯示的問題及解決方案
2. VS Code 中為調試器增強變量顯示：自動顯示張量 Shape、DataFrame 維度和容器長度
3. 在 VS Code 調試器中自動顯示變量形狀和維度信息