AnyCapture支持在单个装饰器中同时捕获多个变量：
from anycapture import get_local
@get_local('attention_map', 'query', 'key', 'value')
def your_attention_function(*args, **kwargs):
...
attention_map = ...
query = ...
key = ...
value = ...
...
return ...执行和结果获取：
from anycapture import get_local
get_local.activate()
from ... import model
output = model(data)
cache = get_local.cache
# 输出示例：
# {
# 'your_attention_function.attention_map': [attention_map],
# 'your_attention_function.query': [query],
# 'your_attention_function.key': [key],
# 'your_attention_function.value': [value]
# }
# 缓存清理
get_local.clear()在PyTorch开发中，通常将模块定义为类，可以直接装饰类内的相关方法：
from anycapture import get_local
class Attention(nn.Module):
def __init__(self):
...
@get_local('attn_map', 'scores') # 支持同时捕获多个变量
def forward(self, x):
...
attn_map = ...
scores = ...
...
return ...AnyCapture提供了完善的缓存管理功能：
# 查看当前缓存内容
print(get_local.cache)
# 清空所有缓存数据
get_local.clear()
# 检查缓存状态
print(len(get_local.cache)) # 输出：0
# 队列功能：限制缓存大小，只保留最近的N个变量值
get_local.activate(max_size=10) # 只保留最近10次的结果
# 动态调整队列大小
get_local.set_size(5) # 运行时调整为5个元素- 变量覆盖问题：目标变量在函数内部不应被同名变量覆盖，
get_local捕获的是变量在函数中的最终值 - 激活时序要求：执行可视化分析时，必须在模型导入前调用
get_local.activate()，这是由Python装饰器的导入时执行机制决定的 - 性能影响：在未调用
get_local.activate()的情况下，装饰器不会生效，因此对训练性能无任何影响，无需删除装饰器代码 - 内存管理：进行多次模型推理时，建议使用
get_local.clear()清空缓存以控制内存占用
功能描述： 装饰器函数，用于标记需要捕获局部变量的目标函数
参数说明：
varnames(str): 目标变量名称，支持多个参数
返回值： 装饰后的函数对象
功能描述： 激活装饰器捕获功能
参数说明：
max_size(int, optional): 队列最大容量。若为None或非正数，则为无限容量。当记录的变量即将超过最大容量时，会弹出最早的变量。
使用说明： 必须在模型导入前调用
示例：
get_local.activate() # 无限容量
get_local.activate(max_size=10) # 最多保留10个变量值
get_local.activate(max_size=None) # 无限容量功能描述： 清空所有缓存数据
使用场景： 多次推理前的内存清理
功能描述： 取消激活装饰器捕获功能
使用说明： 取消激活后，装饰器函数将正常执行但不捕获变量。现有缓存数据将被保留。
示例：
get_local.activate() # 激活
# ... 使用装饰器函数 ...
get_local.deactivate() # 取消激活
# ... 函数正常执行但不捕获变量 ...
get_local.activate() # 可重新激活功能描述： 动态设置队列最大容量
参数说明：
max_size(int, optional): 队列最大容量。若为None或非正数，则为无限容量。
返回值： 规范化后的max_size值（int或None）
示例：
get_local.set_size(5) # 设置容量为5，返回5
get_local.set_size(0) # 设置为无限容量，返回None
get_local.set_size("abc") # 无效输入，返回None功能描述： 缓存字典，存储所有捕获的变量数据
数据格式： {'函数限定名.变量名': [变量值列表]}
- 深度学习模型分析：专业捕获Transformer等模型中的attention maps
- 算法调试优化：获取函数执行过程中的关键中间变量
- 性能监控分析：实时监控算法执行中的关键指标变化
- 学术研究开发：无侵入式提取和分析模型内部计算状态
AnyCapture作为一个通用的局部变量捕获工具，在函数内部变量提取方面具有广泛的应用潜力，可支持各种创新性的应用场景开发。