pytorch的full stack trace介绍

PyTorch提供了full stack trace的功能，它可以在程序发生异常时输出详细的调用堆栈信息，帮助开发者快速定位错误。

在PyTorch中，我们可以通过设置环境变量`PYTHONFAULTHANDLER=1`来启用full stack trace功能。例如，在Linux系统下，我们可以在终端中输入如下命令：

export PYTHONFAULTHANDLER=1

然后，在我们的程序中发生异常时，PyTorch会输出完整的调用堆栈信息，包括每个函数的参数和变量值等。例如：

Traceback (most recent call last):
  File "test.py", line 5, in <module>
    y = model(x)
  File "/path/to/model.py", line 10, in __call__
    y = self.fc(x)
  File "/path/to/torch/nn/modules/module.py", line 1051, in _call_impl
    return forward_call(*input, **kwargs)
  File "/path/to/torch/nn/modules/linear.py", line 94, in forward
    return F.linear(input, self.weight, self.bias)
  File "/path/to/torch/nn/functional.py", line 1692, in linear
    if input.dim() == 2 and bias is not None:
AttributeError: 'NoneType' object has no attribute 'dim'

从上述输出中，我们可以看到程序异常发生在`test.py`的第5行，即调用了`model(x)`。接着，程序进入到了`model.py`中的`__call__`函数，在该函数中调用了`self.fc(x)`（假设`fc`是一个线性层），然后进入了PyTorch的内部函数调用堆栈，最终出现了一个`AttributeError`异常。

通过full stack trace功能，我们可以清晰地看到程序执行过程中每个函数的调用关系，方便我们快速定位错误。