在深度学习程序中显示美观的进度条（史上最全的tqdm使用大全）

标签：tqdm 进度条 最全 range time import 100

tqdm用例大全

• 下载tqdm库
• 基础用法
• 跟列表结合使用
• 带提示的进度条
• 自己设置进度条和自己定义更新
• 自定义进度条处理单位
• 动态显示损失值

对于跑深度学习的人来说，如何更直观的观察训练进度和模型损失是十分重要的事。好的深度学习代码，在训练过程中能够直观的给人呈现出进度和损失等信息。这样不仅有利于我们更好的安排时间，还能时的帮助我们调整程序（比如说发现损失值一直居高不下）。今天本文就给大家介绍一个进度条神器tqdm。用过都说好！

下载tqdm库

conda activate 环境名
pip install tqdm
或者
conda install tqdm

基础用法

直接用在for 循环中，显示循环进度

from tqdm import tqdm
import time
for i in tqdm(range(100)):
    time.sleep(0.01)  # 模拟处理时间

跟列表结合使用

在取到列表中的元素的同时，显示进度

from tqdm import tqdm
import time
my_list = range(100)
for item in tqdm(my_list):
    # print(item)
    time.sleep(0.01)  # 模拟处理时间

带提示的进度条

这里的Processing可以自己设置，ascii将进度条换了个格式，我感觉这个格式不是很好看。

from tqdm import tqdm
import time
for i in tqdm(range(100), desc='Processing', ascii=True, ncols=100):
    time.sleep(0.01)

自己设置进度条和自己定义更新

下面定义了一个进度条，总长度为99，每运行一次pbar就更新一次进度条（+1）
最多更新99次

from tqdm import tqdm
import time
pbar = tqdm(total=99)
for i in range(100):
    pbar.update(1)
    time.sleep(0.01)
pbar.close()

自定义进度条处理单位

unit设置了进度条处理速度单位

for i in tqdm(range(100), desc="Processing", unit="个"):
    time.sleep(0.01)

动态显示损失值

from tqdm import tqdm
import time
Epochs = 3
for epoch in range(Epochs):
    loss = 0
    pbar = tqdm(range(100), desc='Epoch {}/{}'.format(epoch, Epochs))
    for data in pbar:
        #training code #
        loss += 1
        time.sleep(0.01)
        pbar.set_postfix(loss=loss)

标签：tqdm,进度条,最全,range,time,import,100
From： https://blog.csdn.net/JTYANGWEI/article/details/141560801