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.stderrncols=None, 进度条长度mininterval=0.1, 进度条最小的更新间隔，单位秒，默认：0.1maxinterval=10.0, 进度条最大更新间隔，单位秒，默认：10unit=’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 npfrom torch.utils.data import DataLoaderimport timefrom tqdm import tqdm, tqdm_notebookfrom random import randomdata =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 =0for 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库的资料请关注好吧啦网其它相关文章！