通用功能

▶ p/x 是更方便 print(x) 的方式

p/x 在执行 print(x) 后会返回 x
💡 Note: p/x 能够方便的打印表达式中的值.

▶ g.name = x 和 g.name/x 可以把函数内的变量传送到 Python interactive console 中

💡 Note:

• gg 的意思是 to Global and log， 和 g 的用法一样, 但 gg 会在传输的同时打印变量.
• 需要注意， 如果之前在终端中存在一样的变量名称，则变量的值会被新值覆盖.

  ---

  
  
  
  
  

▶ g() 一次性传输函数内的所有变量到 Python interactive console 中

💡 Note: g() 在 Debug 时非常有用. import boxx.g 是 g() 的便携版本，避免了 from boxx import g;g()(import boxx.gg 同理)

▶ with p, with g, with gg 分别是 p, g, gg 的多变量版本，只需把变量放入 with 结构中即可

使得对应操作只作用于感兴趣的几个变量
💡 Note:

• with p, with g, with gg 只作用于在 with 结构中进行赋值操作的变量.

• 如果变量名在 with 前存在于 locals() 中, 同时 id(变量) 没有变化 , with 结构可能无法检测到该变量.

  ---

科学计算和计算机视觉功能

本部分通过用例来介绍几个在 科学计算 和 计算机视觉 领域内的一些实用工具 . 几乎所有的工具(函数) 都支持 numpy, torch.tensor, mxnet.ndarray, PIL.Image 等类似多维数组的数据类型

💡 Note: 若通过 ssh 在远程服务器上执行代码， 建议在 ssh 加上 -X 参数，使可视化的 plt 图表能传输到本地显示，即 ssh -X user@host。

▶ 用 loga 来可视化多维数组

loga 是 "log array" 的缩写, loga 能展示多维数组的许多属性.
💡 Note: loga 支持 numpy, torch.tensor, mxnet.ndarray, PIL.Image .etc

▶ 用 show 来方便地可视化图像，哪怕图像隐藏于复杂的结构中

show 能够从复杂结构中找出所有类型的图像 并可视化他们。它甚至支持从 torch 的 Dataloader 中展示一个 batch 的图像
💡 Note: 如果有函数作为 show 的参数(比如 torgb)，则会对所有 numpy 执行此函数后再可视化。

▶ 使用 tree 来可视化复杂结构

如同 shell 中的 tree 命令， boxx.tree 可以直观地展示复杂结构.
💡 Note: tree 支持的数据有 list, tuple, dict, numpy, torch.tensor/Dataset/DataLoader, mxnet.ndarray, PIL.Image.etc

▶ boxx 调试工具矩阵

💡 Note:

• transport 操作是指 把函数内的变量传送到 Python interactive console 中
• locals() 指作 用于函数或 module 内的所有变量
• locals()_2: 当 boxx 未导入时， import boxx.{操作} 能等价于 from boxx import {操作};{操作}()
  
  

  ---

▶ 使用 what 来了解任何对象

💡 Note: what(x) 通过打印 x 自己及x 的 文档, 父类继承关系, 内部结构 及 所有属性 来全面了解 x. 是 help(x) 的补充.

▶ timeit 是一个方便的计时工具

💡 Note: timeit 会对在 with 结构下的代码块进行计时，并用蓝色来打印出运行的时间.

▶ mapmp 是多进程版本的 map

mapmp 是 "MAP for Multi Process"的缩写, 和 map 有着一样的用法，但会用多进程加速.

💡 Note:

• mapmp 的 pool 参数来控制进程数目，默认为 CPU 线程数目.
• 在多进程程序中, 打印进度往往非常麻烦. mapmp 的 printfreq 参数能解决这个问题.
• 如同 map 一样，mapmp 支持将多个参数输入函数，如mapmp(add, list_1, list_2)
• 在 Python 中，多进程代码最好在 __name__ == '__main__' 环境中运行.
• 如果加速 numpy 程序，请注意 在 MKL 版本的 numpy 中，多进程会更慢, 可以运行 boxx.testNumpyMultiprocessing() 来测试当前环境对多进程 numpy 的友好程度
  
  

  ---

▶ 用 heatmap 来展示代码的运行时间热力图

💡 Note: heatmap 也支持字符串形式的 Python 代码.

▶ performance 可以统计函数调用并通过火焰图可视化代码性能

💡 Note: performance 也支持字符串形式的 Python 代码.