《调试的艺术》开放图书现已提供 PDF/EPUB 格式，并终于配有封面

https://github.com/stas00/the-art-of-debugging#ebook-versions-of-the-book…

尽管书中大量篇幅聚焦于 Unix/Python/PyTorch，但方法论章节适用于任何软件调试场景。

目前全书共 161 页，分为 5 个扎实的章节，后续内容还在持续更新中…

stas00/the-art-of-debugging

来源：https://github.com/stas00/the-art-of-debugging

《调试的艺术》开放图书

这本不断迭代的书将教会你如何：

1. 快速解决常规问题
2. 让复杂问题变得可调试

脚注：改编自 Perl 的格言：“易事应易为，难事应可为”。

这是一本仍在完善中的方法论集合与可复制粘贴的配方手册，旨在帮助你成功调试简单和复杂的软件问题。部分章节已较为完整，另一些将在后续阶段完成，还有些尚未开始。

除了调试方法论外，本书的第二个重点是分享我所发现的最佳调试工具，让你在过程中“尽量少掉头发”。

简介

我自 1995 年开始从事软件开发，其中大量工作涉及调试。多年来，我总结出多种高效的方法来定位问题根源——这通常是解决问题前最困难的阶段，因为一旦理解了问题，解决方案往往触手可及。

每次我与他人共同调试棘手问题时，对方总会建议我将这些方法分享出来。我曾经认为这过于难以泛化，但最近这一想法似乎生根发芽了。因此，在接下来的章节中，我将尝试分享一些见解，以缓解这个时常令人痛苦的过程。

在真空中撰写调试内容非常困难，而且我过去没有保存案例，所以需要一段时间来逐步充实。预计这些页面将在相当长一段时间内处于“持续完善”（WIP）状态。但我希望一些思路能尽快传递给你，并帮助减轻你在专业或业余项目中调试的负担。

目录

1. 快速调试方法论

2. Unix 调试工具 - bash、strace、make、提示符、nohup 等

3. 编译程序的调试 - gdb、ldd、nm、LD_LIBRARY_PATH、LD_PRELOAD 等

4. Python 程序的调试 - py-spy、路径、自动打印等

5. PyTorch 程序的调试 - CPU 与 GPU 内存、性能、模型、张量等

6. 机器学习项目的调试 (https://github.com/stas00/ml-engineering/tree/master/debug)（外部链接）

更新

我会在我的推特频道 https://twitter.com/StasBekman 上宣布重大更新。

该书的电子书版本

你可以下载本作品的多种电子书格式：

• PDF (https://huggingface.co/stas/the-art-of-debugging-book/resolve/main/Stas%20Bekman%20-%20The%20Art%20of%20Debugging.pdf?download=true)
• EPUB (https://huggingface.co/stas/the-art-of-debugging-book/resolve/main/Stas%20Bekman%20-%20The%20Art%20of%20Debugging.epub?download=true)

我计划每隔几周左右重建一次这些版本，但如果你想要最新的电子书版本，构建说明在这里。

《机器学习工程开放图书》

请务必同时阅读《机器学习工程开放图书》(https://github.com/stas00/ml-engineering)，其中包含许多在机器学习上下文下的相关配方和方法论。

贡献

如果你发现错误、拼写错误或希望提出改进，请随时提交 Issue (https://github.com/stas00/the-art-of-debugging/issues) 或贡献 PR。

许可证

本站内容采用 署名-相同方式共享 4.0 国际 许可协议。

我的仓库地图

✔ 机器学习：
ML 工程在线书籍 (https://github.com/stas00/ml-engineering) |
ML 方法 (https://github.com/stas00/ml-ways) |
移植 (https://github.com/stas00/porting)

✔ 指南：
调试的艺术 (https://github.com/stas00/the-art-of-debugging)

✔ 应用：
ipyexperiments (https://github.com/stas00/ipyexperiments)

✔ 工具与速查表：
bash (https://github.com/stas00/bash-tools) |
conda (https://github.com/stas00/conda-tools) |
git (https://github.com/stas00/git-tools) |
jupyter-notebook (https://github.com/stas00/jupyter-notebook-tools) |
make (https://github.com/stas00/make-tools) |
python (https://github.com/stas00/python-tools) |
tensorboard (https://github.com/stas00/tensorboard-tools) |
unix (https://github.com/stas00/unix-tools)