python tqdm进度条详解

本文主要是介绍python tqdm进度条详解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

- 1. 语法
- - 1.1 tqdm 参数
  - 1.2 bar_format
  - - 案例
- 2. 基本用法
- - 2.1 指定可迭代对象
  - 2.2 指定迭代次数
  - 2.3 设置显示信息
  - - 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
- 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

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，单位秒，默认：0.1s
maxinterval: 设置进度条最大更新间隔，单位秒，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]

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；

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。

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

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 passedkwargs.setdefault("bar_format", TQDM_BAR_FORMAT)  # override default value if passedsuper().__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

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),：

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

from tqdm import tqdm
import timepbar = 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

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:

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

import time
from tqdm import tqdmpbar = 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]

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，
但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

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

# -*- coding: utf-8 -*-from tqdm import tqdm
from collections import OrderedDicttotal = 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

model_train.eval()
for iteration, batch in enumerate(gen_val):imgs, pngs, labels = batchoutputs     = 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

Init_Epoch =0 
Total_Epoch =300epoch_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 = batchoutputs = 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
在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()