三行代码优化PyTorch调试体验：让打印张量更加简短清晰

来由：

在PyTorch调试时经常需要打印张量，为了查看张量的 大小、类型和设备。

如果直接打印张量，可能一不小心就会打印出一堆乱糟糟的数据，尤其是张量特别大时。这样既不容易看清张量的结构，还污染终端输出，影响调试时的心情☹️。

还有一种情况是不时要调用 t.shape 和 t.device 来观察张量的形状和位置，或者把这两个量加入调试程序的watch中，但总的来说这样做都很麻烦。

于是这里我考虑修改张量默认的打印结果，让张量较长时不再打印其内容，而是依次打印出它的 shape，device和dtype。代码很短，只有三行，且全局开头使用一次后就会一直生效：

import torch
raw_tensor_str = torch.Tensor.__repr__
torch.Tensor.__str__ = torch.Tensor.__repr__ = lambda self: f'Tensor{{Size({[*self.shape]}) {self.device} {str(self.dtype)[6]}{str(self.dtype)[-2:]}}}' if self.numel() > 10 else raw_tensor_str(self)

解释：

这段代码人为地修改了torch中张量的__str__和__repr__方法，这样张量在被打印时就会采取以下逻辑：1.当张量很短，例如元素在10个以下时，会打印其内容 2.如果张量很长，则会打印其 `Tensor{形状 设备 类型}`。

用了以上代码之后，就可以无脑打印张量了，不用担心突如其来的大的张量在终端里“刷屏”。

效果演示：

使用前，张量打印是这样的：

>>> print(t)
tensor([[[-0.8294, -0.0461, -0.0620,  ..., -0.6344,  0.2743, -1.4147],
         [-0.5543,  0.1475, -0.4420,  ..., -1.1269, -1.0268, -0.6499],
         [-0.5123,  1.6033, -0.9546,  ..., -0.5362, -0.7707,  0.0571],
         ...,
         [ 0.9144,  0.2731, -0.6242,  ..., -0.0733, -2.1091, -0.0747],
         [-0.2693,  0.5862, -0.5392,  ..., -0.3469,  0.6258, -0.5609],
         [-1.4400,  1.4466,  1.0845,  ..., -0.1689,  0.5124, -0.0134]]])

虽然已经打了省略号了但还是很丑，而且根本看不出形状和设备、类型。

使用后，张量打印是这样的：

>>> print(t)
Tensor{Size([1, 100, 100]) cuda:0 f32}

形状是`Size([1, 100, 100])`，设备是 cuda:0，类型是f32（即float32），是不是清晰很多了呢？

那么之后如何换回以前的打印结果呢？很简单，使用 raw_tensor_str(t) 就行！快去试试吧。