python tqdm库的使用

Tqdm库比较常用，用于显示进度条。

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()))

以上就是python tqdm库的使用的详细内容，更多关于python tqdm库的资料请关注呐喊教程其它相关文章！

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：notice#nhooo.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。