要查看计算机视觉代码，您可以参考以下资源：
书籍和附录
《计算机视觉：算法与应用》这本书的附录中包含了一些测试数据集和源码站点，可以通过访问http://szeliski.com/book/code-datasets/来获取相关信息。
在线资源和代码库
GitHub上有很多计算机视觉相关的代码库，例如[OpenCV](https://github.com/opencv/opencv)和[PyTorch](https://github.com/pytorch/pytorch)，这些库包含了大量的算法实现和示例代码。
有一些在线学习平台如[深蓝学院](https://www.deepblue.ai/)也提供了计算机视觉相关的课程和代码实践。
调试工具
在调试计算机视觉代码时，可以使用一些工具来查看多维数组和其他数据结构。例如，`boxx.loga`可以一次性展现出一个数组的大多数属性，支持多种数据类型包括`torch.tensor`和`mxnet.ndarray`。
`boxx.show`和`boxx.tree`可以用于数据可视化，帮助理解复杂的数据结构。
学习路径
一个推荐的学习路径是首先复现别人的代码，然后尝试修改参数，最后自己编写代码。这个过程有助于逐步理解和掌握计算机视觉技术的核心概念和实现方法。
通过这些资源和方法，您可以更好地理解和学习计算机视觉代码。建议您从基础的概念开始，逐步深入到具体的代码实现，并通过实际项目来巩固所学知识。