A.8 学习卡住时的急救指南

卡住时，先把“我学不会”变成“我能定位这个失败”。

先判断问题类型

现象	可能问题	第一反应
ModuleNotFoundError	环境错了或依赖没装	查 Python 和 pip 路径
找不到文件	工作目录或相对路径错了	打印 Path.cwd()
代码能跑但结果奇怪	输入、标签或指标有问题	打印样本和中间值
训练不变好	数据、loss、学习率或标签格式问题	先让模型过拟合极小数据
GPU 显存爆了	batch、输入或模型太大	先减小 batch size
项目太大无从下手	没有最小闭环	定义一个输入、一个处理、一个输出

先跑这些检查

python --version
which python
pip --version
pip list
pwd
ls

如果使用 NVIDIA GPU：

nvidia-smi

路径问题可以这样查：

from pathlib import Path

print(Path.cwd())
print(Path("data").exists())

预期输出：

你当前所在目录会不同，形式大致是：

/your/current/project
False

按这个顺序调试代码

1. 打印前 2 条输入和标签。
2. 打印 shape、长度和值范围。
3. 打印进入模型前的一个中间结果。
4. 打印计算指标前的一个模型输出。
5. 最后才改模型或参数。

最小检查示例：

texts = ["refund request", "invoice copy", "shipping delay"]
labels = ["support", "billing", "support"]

print("samples:", len(texts))
print("first texts:", texts[:2])
print("first labels:", labels[:2])
print("label set:", sorted(set(labels)))

预期输出：

samples: 3
first texts: ['refund request', 'invoice copy']
first labels: ['support', 'billing']
label set: ['billing', 'support']

用完整问题请求帮助

我正在做什么：
我期待看到什么：
实际发生了什么：
完整错误最后 20 行：
我已经尝试过什么：
最小可复现代码：

养成最小复现习惯

项目很乱时，先缩到能跑：

def predict(x):
    return x * 2

data = [1, 2, 3]
preds = [predict(x) for x in data]
print(preds)

预期输出：

[2, 4, 6]

然后一层一层把真实逻辑加回去。哪一层加回去后坏了，就检查哪一层。

暂停还是继续？

情况	更好的动作
已经随机尝试 30 分钟	停下来写假设
复制命令但说不清作用	停下来检查环境
已经有 1-2 个清晰假设	继续测试
知道下一个可观察结果	继续推进

留下的证据

学完这一页，至少保留这张证据卡：

症状

准确的错误信息、命令、输入和环境

最小复现

仍然会失败的最小代码或命令

假设

依赖、路径、数据、API、模型或浏览器/运行时问题

下一次探测

先检查一个命令或日志，再改很多东西

期望产出

一份可复现的 bug 说明和经过测试的修复或回退方案