python tqdm进度条详解

文章目录

    • [1. 语法](#1. 语法)
      • [1.1 tqdm 参数](#1.1 tqdm 参数)
      • [1.2 bar_format](#1.2 bar_format)
    • [2. 基本用法](#2. 基本用法)
      • [2.1 指定可迭代对象](#2.1 指定可迭代对象)
      • [2.2 指定迭代次数](#2.2 指定迭代次数)
      • [2.3 设置显示信息](#2.3 设置显示信息)
        • [2.3.1 设置进度条前缀(左侧)信息](#2.3.1 设置进度条前缀(左侧)信息)
        • [2.3.2 显示进度条后缀(右侧)信息](#2.3.2 显示进度条后缀(右侧)信息)
    • [3. 项目案例](#3. 项目案例)
    • 参考

tqdm 是 Python 进度条库,可以在 Python 长循环中添加一个进度提示信息。用户只需要封装任意的迭代器,是一个快速、扩展性强的进度条工具库。

1. 语法

1.1 tqdm 参数

py 复制代码
tqdm(iterable=None, desc=None, total=None, leave=True, file=None,
     ncols=None, mininterval=0.1, maxinterval=10.0, miniters=None,
     ascii=None, disable=False, unit='it', unit_scale=False,
     dynamic_ncols=False, smoothing=0.3, bar_format=None, initial=0,
     position=None, postfix=None, unit_divisor=1000, write_bytes=None,
     lock_args=None, nrows=None, colour=None, delay=0, gui=False,
     **kwargs):
  • iterable: 接收一个可迭代对象。如果iterable为空的话,则手动通过update来更新迭代
  • total: 总的迭代次数,用于计算进度百分比, 默认等于len(iterable)
  • desc: 进度条的显示信息,显示在进度条前面(前缀)
  • postfix: 字典形式信息,例如:loss=0.56, 显示在进度条的末尾(后缀)
  • mininterval:设置进度条最小的更新间隔,单位,默认:0.1s
  • maxinterval: 设置进度条最大更新间隔,单位,默认:10s
  • bar_format: 设置进度条显示格式,默认为 {desc}: {percentage:3.0f}%|{bar}| {n_fmt}/{total_fmt}
  • ncols: 设置进度条的宽度
  • nrows: 设置进度条的高度
  • unit: 设置进度条的单位,str类型,默认为it

这些参数为相对比较常用的参数,并且全部都是可选参数(optional);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;

1.2 bar_format

下面主要介绍这个参数的具体用法;

  • bar_format默认格式为: {l_bar}{bar}{r_bar}
  • 进度条分为三部分: 中间的条形图(bar),条形图左边信息(l_bar)、条形图右边信息(r_bar)
  • l_bar {desc}: {percentage:3.0f}%| , 即前缀信息(desc)+ 当前进度的百分比
  • 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]

json 复制代码
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: 前缀字符串描述
desc、postfix默认为空;
py 复制代码
for item in tqdm(data, desc="Processing", bar_format="{l_bar}{bar}| {n_fmt}/{total_fmt} [{elapsed}<{remaining}, {rate_fmt}{postfix}]"):
    # 在这里添加你的代码
案例

yolov8 代码中将tqdm中的bar_format进行了设置,没有使用原有的bar_format格式, 简化了显示内容。

shell 复制代码
TQDM_BAR_FORMAT = "{l_bar}{bar:10}{r_bar}" if VERBOSE else None

基于新的bar_format格式,重新封装了tqdm,代码如下

py 复制代码
from tqdm import tqdm as tqdm_original
class TQDM(tqdm_original):
    def __init__(self, *args, **kwargs):
        """Initialize custom Ultralytics tqdm class with different default arguments."""
        # Set new default values (these can still be overridden when calling TQDM)
        kwargs["disable"] = not VERBOSE or kwargs.get("disable", False)  # logical 'and' with default value if passed
        kwargs.setdefault("bar_format", TQDM_BAR_FORMAT)  # override default value if passed
        super().__init__(*args, **kwargs)
  • 可以看到,TQDM和原来的tqdm 基本是是一样的,只是自定义了bar_format的形式,使得显示更加简洁。
  • 利用TQDM代替原有的tqdm, 使用方法是一样的
py 复制代码
pbar = TQDM(enumerate(self.train_loader), total=nb)

2. 基本用法

2.1 指定可迭代对象

传入迭代器对象(iterable), 默认迭代次数为:len(iterable),:

py 复制代码
import time
from tqdm import *
for i in tqdm(range(1000)):
    time.sleep(.01)   #进度条每0.01s前进一次,总时间为1000*0.01=10s 

# 运行结果如下
100%|██████████| 1000/1000 [00:10<00:00, 93.21it/s]  

2.2 指定迭代次数

如果没有传入可迭代对象,可以使用total指定迭代总数,并配合update手动更新进度条

py 复制代码
from tqdm import tqdm
import time

pbar = tqdm(total=200) # 设置总长度
for i in range(100):
    time.sleep(0.05)
    # 每次更新进度条的长度
    pbar.update(1) # 相当于在当前长度的基础上 +1 的操作

pbar.close()
  • 由于进度条总长200,现在累加到100就停止,因此最终会停在50%
  • pbar.update(1) : update中传入更新的步长

2.3 设置显示信息

2.3.1 设置进度条前缀(左侧)信息
  • (1) 利用desc参数,指定进度条左侧显示的信息
py 复制代码
s = ('%20s' + '%11s' * 6) % ('Class', 'Images', 'Labels', 'P', 'R', 'mAP@.5', 'mAP@.5:.95')
pbar = tqdm(dataloader, desc=s, bar_format='{l_bar}{bar:10}{r_bar}{bar:-10b}')
for batch_i, (im, targets, paths, shapes) in enumerate(pbar):
	pass

等价于:

py 复制代码
s = ('%20s' + '%11s' * 6) % ('Class', 'Images', 'Labels', 'P', 'R', 'mAP@.5', 'mAP@.5:.95')
pbar = tqdm(dataloader, bar_format='{l_bar}{bar:10}{r_bar}{bar:-10b}')
for batch_i, (im, targets, paths, shapes) in enumerate(pbar):
	pbar.desc = s
  • (2) 使用set_description, 指定进度条左侧(前缀)显示的信息
py 复制代码
import time
from tqdm import tqdm

pbar = tqdm(["a","b","c","d"])

for char in pbar:
    pbar.set_description("Processing %s" % char) # 设置描述
    time.sleep(1)  # 每个任务分配1s
    
# 结果如下

Processing a:   0%|          | 0/4 [00:00<?, ?it/s]
Processing b:  25%|██▌       | 1/4 [00:01<00:03,  1.01s/it]
Processing c:  50%|█████     | 2/4 [00:02<00:02,  1.01s/it]
Processing d:  75%|███████▌  | 3/4 [00:03<00:01,  1.01s/it]
py 复制代码
for epoch in range(self.start_epoch, self.epochs):
	pbar = TQDM(enumerate(self.train_loader), total=nb)
	for i, batch in pbar:
		self.loss, self.loss_items = self.model(batch)
		
		if RANK in (-1, 0):
             pbar.set_description(
                  ("%11s" * 2 + "%11.4g" * (2 + loss_len))
                  % (f"{epoch + 1}/{self.epochs}", mem, *losses, batch["cls"].shape[0], batch["img"].shape[-1])
              )

pbar.close()
  • set_description以及参数desc都可以设置进度条左侧(前缀)信息,
  • set_description相比desc更加灵活,可以在每次迭代时,传入计算的结果。比如可以显示模型训练的loss, 图像的shape大小,以及当前的epoch等,用起来更加灵活。
2.3.2 显示进度条后缀(右侧)信息
  • (1) 利用postfix参数,指定进度条右侧(后缀)显示的信息
py 复制代码
pbar = tqdm(range(N),total=N, desc="N")
start = time.time()
for i in pbar:
    pbar.postfix=f"{i}"
print("w .postfix: {:.2f}".format(time.time() - start))
  • (2) 使用set_postfix, 指定进度条右侧(后缀)显示的信息
py 复制代码
# -*- coding: utf-8 -*-
 
from tqdm import tqdm
from collections import OrderedDict
 
total = 10000 #总迭代次数
loss = total
with tqdm(total=total, desc="进度条") as pbar:
    for i  in range(total):
        loss -= 1 
#        pbar.set_postfix(OrderedDict(loss='{0:1.5f}'.format(loss)))
        pbar.set_postfix(val_loss=1.63,fscore=0.88,batch=i) #输入一个字典,显示实验指标
        pbar.update(1)
 
  • set_postfix用于设置进度条右侧信息,可以将训练的结果,设置在进度条右侧显示。
  • set_postfix 在指定信息时,需要使用关键字参数的信息,比如以loss=5, bach=3的形式,这样也可以容易的参数,某个参数的值
  • 当传入的是字典dict时,需要使用**解包dict对象的每个元素,然后传入到set_postfix中,如下所示
py 复制代码
model_train.eval()
for iteration, batch in enumerate(gen_val):
	imgs, pngs, labels = batch
	outputs     = model_train(imgs)
	loss = CE_Loss(outputs, pngs, weights, num_classes = num_classes)
	f_score    = f_score(outputs, labels)
	pbar.set_postfix(**{'loss'  : loss / (iteration + 1),
                      'f_score'   : f_score / (iteration + 1),
                       'lr'        : get_lr(optimizer)})
	pbar.update(1)

可以看到如果传入字典dict,需要**将dict解包为关键字参数,通过字典dict传参,在实际中应用的更加普遍。

3. 项目案例

py 复制代码
Init_Epoch =0 
Total_Epoch =300

epoch_iters      = num_train // batch_size  #  iters of one epoch for train
epoch_iters_val  = num_val // batch_size    #  #  iters of one epoch for val
for epoch in range(Init_Epoch, Total_Epoch):

	pbar = tqdm(total=epoch_iters,desc=f'Epoch {epoch + 1}/{Total_Epoch}',postfix=dict,mininterval=0.3)
	
	for iteration, batch in enumerate(train_dataloader):
		imgs, pngs, labels = batch
		outputs = model_train(imgs)
		loss = CE_Loss(outputs, pngs, weights, num_classes = num_classes)
		_f_score = f_score(outputs, labels)
		
		pbar.set_postfix(**{'total_loss': total_loss / (iteration + 1), 
                                'f_score'   : total_f_score / (iteration + 1),
                                'lr'        : get_lr(optimizer)})
        pbar.update(1)
    
	pbar.close()
	
  • 在每个epoch中,利用tqdm定义进度条pbar
  • tqdm中通过total设置每个epoch的迭代次数
  • 在每次迭代中,通过pbar.set_postfix设置进度条右侧显示信息,由于是通过total设置总迭代数而不是利用一个可迭代对象来控制迭代,因此需要利用update来更新迭代
  • 进度条使用完毕后,记得关闭:pbar.close()

参考

https://github.com/bubbliiiing/deeplabv3-plus-pytorch
https://www.cnblogs.com/softlin/p/13339766.html
https://github.com/ultralytics/ultralytics

相关推荐
幽兰的天空21 分钟前
Python 中的模式匹配:深入了解 match 语句
开发语言·python
网易独家音乐人Mike Zhou4 小时前
【卡尔曼滤波】数据预测Prediction观测器的理论推导及应用 C语言、Python实现(Kalman Filter)
c语言·python·单片机·物联网·算法·嵌入式·iot
安静读书4 小时前
Python解析视频FPS(帧率)、分辨率信息
python·opencv·音视频
小二·5 小时前
java基础面试题笔记(基础篇)
java·笔记·python
小喵要摸鱼7 小时前
Python 神经网络项目常用语法
python
一念之坤8 小时前
零基础学Python之数据结构 -- 01篇
数据结构·python
wxl7812279 小时前
如何使用本地大模型做数据分析
python·数据挖掘·数据分析·代码解释器
NoneCoder9 小时前
Python入门(12)--数据处理
开发语言·python
LKID体9 小时前
Python操作neo4j库py2neo使用(一)
python·oracle·neo4j
小尤笔记10 小时前
利用Python编写简单登录系统
开发语言·python·数据分析·python基础