使用 tqdm 库在控制台中实现进度条
简单用法：
from tqdm import tqdm for i in tqdm(range(2)): pass
100%|███████████████████| 2/2 [00:00<00:00, 1998.72it/s]
从上面可以看到生成一个长度为2的列表传入tqdm中，在for中迭代，此时输出了进度条，这里tqdm全部使用了默认参数，默认进度条样式就是如上所示；通常默认进度条所输出的信息并不满足我们的需求，tqdm还可以定制进度条样式；
tdqm数据参数支持的数据类型是可迭代的对象iterable，在Python中默认的可迭代对象有：list、str、tuple、dict、file、xrange等，当然还有自定义可迭代对象；
tqdm参数
desc=None, str类型，作为进度条说明 total=None, 预期的迭代次数 file=None, 输出方式，默认为sys.stderr ncols=None, 进度条长度 mininterval=0.1, 进度条最小的更新间隔，单位秒，默认：0.1 maxinterval=10.0, 进度条最大更新间隔，单位秒，默认：10 unit='it', 单位，默认it每秒迭代数 bar_format=None, 进度条格式 postfix 字典形式信息，例如：速度=5
这些参数为相对比较常用的参数，并且全部都是可选参数；在自定义进度条当中比较重要的的一个参数为：bar_format，用于定义进度条的具体格式，所包含的具体数据信息；
下面主要介绍这个参数的具体用法；
Specify a custom bar string formatting. May impact performance.
[default: '{l_bar}{bar}{r_bar}'], where
l_bar='{desc}: {percentage:3.0f}%|' and
r_bar='| {n_fmt}/{total_fmt} [{elapsed}<{remaining}, '
'{rate_fmt}{postfix}]'
Possible vars: l_bar, bar, r_bar, n, n_fmt, total, total_fmt,
percentage, elapsed, elapsed_s, ncols, nrows, desc, unit,
rate, rate_fmt, rate_noinv, rate_noinv_fmt,
rate_inv, rate_inv_fmt, postfix, unit_divisor,
remaining, remaining_s.
Note that a trailing ": " is automatically removed after {desc}
if the latter is empty.上面为tqdm对bar_format的参数描述；从中可看出：
进度条默认格式为： {l_bar}{bar}{r_bar}
进度条分为三部分： 中间的图形(bar)，图形左边(l_bar)、图形右边(r_bar)
l_bar： {desc}: {percentage:3.0f}%|
bar: 进度条
r_bar: |{n_fmt}/{total_fmt}[{elapsed}<{remaining},{rate_fmt}{postfix}]
100%|█████████████████| 3/3 [00:03<00:00, 1.00s/it]
percentage:百分比
n_fmt：当前数
total_fmt：总数
elapsed：消耗的时间
remaining：剩余时间
rate_fmt：速率
postifx：后缀字典描述
desc、postfix默认为空；
自定义进度条：
1、bar_format=
'进度:{percentage:3.0f}%|{bar}|{n}/{total}[{elapsed}<{remaining},{rate_fmt}{postfix}]'
进度:100%|████████████████████|3/3[00:03<00:00, 1.00s/it]
2、bar_format='进度:{percentage:3.0f}%|{bar}|{n}/{total}[{rate_fmt}{postfix}]'
进度:100%|████████████████████|3/3[ 1.00s/it]
批量数据进度条
import numpy as np
from torch.utils.data import DataLoader
import time
from tqdm import tqdm, tqdm_notebook
from random import random
data =np.array([1,2,3,4])
data_loader = DataLoader(data, batch_size=2, num_workers=0, shuffle=False)
iterator = tqdm(data_loader,maxinterval=10,
mininterval=2, ncols=80,
bar_format='{l_bar}|{bar}| {n_fmt}/{total_fmt} [{rate_fmt}{postfix}|{elapsed}<{remaining}]',
nrows=10,smoothing=0.1)
epoch =0
for d in iterator:
time.sleep(2)
epoch +=1
print(d)
iterator.set_description('epoch %d' %epoch)
iterator.set_postfix_str('loss={:^7.3f}'.format(random()))
支付宝打赏
微信打赏
