一、pycharm调试
在所在行左侧点击即可设置断点（运行至断点前一行暂停）。
上面一行依次为
Step Over(F8)：运行完断点所在行（运行接下来的每一步代码）
Step Into(F7)：不管当前调用的函数是在当前脚本中定义，还是在其他包或脚本import进来的，都跳转进该函数。
Step Into My Code(Alt+Shift+F7)：如果要进入的函数是在当前脚本内定义的，那么跳到定义的函数位置；如果不是在当前脚本上定义的（是从其他包或脚本import进来的），那么就不会跳入该函数。
Step Out(Shift+F8)：从内部函数一层一层往外跳
Run to Cursor(Alt+F9)：运行至光标定位的位置。
Evaluate窗口：最后这个最有用！可以直接搜索当前的变量，查看其具体情况！
左侧一列依次为
?
二、pycharm阅读
点击左边的Structure按钮，可以查看当前脚本的代码结构（当前脚本文件中有多少个全局变量、函数、类以及类中有多少个成员变量和成员函数等）：
黄色v表示全局变量；粉色f表示普通函数；左上角带红色小三角的粉色f表示内嵌函数；
蓝色c表示类，类中粉色m表示成员函数，黄色f表示成员变量。
点击可以跳转到对应的代码。
?
三、知识总结
1. 目录问题
'./'表示运行程序脚本所在目录下；
'…/‘表示运行程序脚本所在目录的上一目录下。
这就意味着相对路径的正确与否取决于你运行程序的’main function’在哪里，而并不取决于你写的’./'命令位于哪个文件。
相对路径的相对，指的是相对于’python.exe main.py’的’main.py’的路径，与’main.py’调用的哪个文件无关。
2. 参数设置
epoch：将所有训练样本训练1次为1个epoch
batch_size：每个batch中训练样本的数量（由于训练样本过多，无法一次性送入计算，需将其分成多个batch , 逐一送入计算训练）
iteration：完成一次epoch需要的batch个数（即 iterations = batch numbers = 样本总数 / batch_size）
3. 评价指标
| 预测正确（T）错误（F） | 预测为正（P） | 预测为负（F） |
|---|---|---|
| 正样本 | TP | FN |
| 负样本 | FP | TN |
Precision = TP/(TP+FP)：反映了预测为正的样本中，真正的正样本所占比例；
Recall = TP/(TP+FN) ：查全率，反映了真正的正样本中，被正确预测为正的样本所占的比例；
Accuracy = (TP+TN)/(TP+FP+TN+FN) ：反映了总样本数中，预测正确的样本所占的比例;
F1-score = 2Recall×Precision/(Recall+Precision)：反映了precision和recall的调和平均评估。
Precision高，Recall低：负样本大概率能被正确预测，但是一部分正样本也被预测成了负样本
?????—> 预测为正的大概率为真正的正样本
?????—> 侧重看被预测为负的正样本有什么特点，为什么会被预测成负
Recall高，Precision低：正样本大概率能被正确预测，但是一部分负样本也被预测成了正样本
?????—> 预测为负的大概率为真正的负样本
?????—> 侧重看被预测为正的负样本有什么特点，为什么会被预测成正
两者都低：可能是训练集和测试集的label弄反了
两者都高：完美！
?
四、遇到的错误
ModuleNotFoundError: No module named 'xxx’可能的解决方案大全：https://zhuanlan.zhihu.com/p/416872266
No module named torchcrf：
pip uninstall torchcrf #首先卸掉以前的torchcrf包
pip install pytorch-crf -i https://pypi.tuna.tsinghua.edu.cn/simple/ #再安装
# 再导入（from torchcrf import CRF）即可
pip install nltk 后仍有报错：
先 pip install nltk；然后在github（https://github.com/nltk/nltk_data）上下载语料库；
下载后解压，把里面的packages文件名改成nltk_data，放在该放的路径下（错误提示里会给出路径，如上图最下，我放在了’D:\anaconda3\envs\pytorch_gpu\nltk_data’，这是我虚拟环境的路径）