Python: tqdm没有显示进度条
我已经为我的网络的PyTorch函数编写了fit代码。但是当我在循环中使用tqdm时，它不会从0%增加到我无法理解的原因。
以下是代码：
from tqdm.notebook import tqdm
def fit(model, train_dataset, val_dataset, epochs=1, batch_size=32, warmup_prop=0, lr=5e-5):
device = torch.device('cuda:1')
model.to(device)
train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
val_loader = DataLoader(val_dataset, batch_size=batch_size, shuffle=False)
optimizer = AdamW(model.parameters(), lr=lr)
num_warmup_steps = int(warmup_prop * epochs * len(train_loader))
num_training_steps = epochs * len(train_loader)
scheduler = get_linear_schedule_with_warmup(optimizer, num_warmup_steps, num_training_steps)
loss_fct = nn.BCEWithLogitsLoss(reduction='mean').to(device)
for epoch in range(epochs):
model.train()
start_time = time.time()
optimizer.zero_grad()
avg_loss = 0
for step, (x, y_batch) in tqdm(enumerate(train_loader), total=len(train_loader)):
y_pred = model(x.to(device))
loss = loss_fct(y_pred.view(-1).float(), y_batch.float().to(device))
loss.backward()
avg_loss += loss.item() / len(train_loader)
optimizer.step()
scheduler.step()
model.zero_grad()
optimizer.zero_grad()
model.eval()
preds = []
truths = []
avg_val_loss = 0.
with torch.no_grad():
for x, y_batch in val_loader:
y_pred = model(x.to(device))
loss = loss_fct(y_pred.detach().view(-1).float(), y_batch.float().to(device))
avg_val_loss += loss.item() / len(val_loader)
probs = torch.sigmoid(y_pred).detach().cpu().numpy()
preds += list(probs.flatten())
truths += list(y_batch.numpy().flatten())
score = roc_auc_score(truths, preds)
dt = time.time() - start_time
lr = scheduler.get_last_lr()[0]
print(f'Epoch {epoch + 1}/{epochs} \t lr={lr:.1e} \t t={dt:.0f}s \t loss={avg_loss:.4f} \t val_loss={avg_val_loss:.4f} \t val_auc={score:.4f}')输出
使用所需参数执行fit函数后的输出如下所示：
0%| | 0/6986 [00:00<?, ?it/s]
怎么解决这个问题？
回答 3
Stack Overflow用户
发布于 2021-05-14 14:55:34
当你从tqdm.notebook进口的时候，这意味着你使用的是木星笔记本，对吗？如果不是，你必须做from tqdm import tqdm。
我简化了示例代码，使其变得非常小，如下所示：
import time
from tqdm.notebook import tqdm
l = [None] * 10000
for i, e in tqdm(enumerate(l), total = len(l)):
time.sleep(0.01)并在Google Colab jupyter笔记本上执行。它给我展示了这样一个很棒的进度条：
因此，这意味着tqdm在笔记本模式下正确工作。因此，您的可迭代或循环代码有一些问题，而不是tqdm。可能的原因可能是您的内部循环需要很长时间，所以即使是1次迭代(在您的情况下总共6986次迭代中)也要花费很长时间，而且不会在进度栏中显示。
另一个原因是您的可迭代性要花费很长时间才能生成第二个元素，而且您还必须检查它是否有效。
我还看到您向我们展示了ASCII进度条，它不是笔记本中通常显示的进度条(笔记本通常显示图形条)。所以也许你根本不在笔记本里？然后，您必须执行from tqdm import tqdm而不是from tqdm.notebook import tqdm。
另外，首先尝试简化您的代码(只是暂时的)，以确定在您的情况下，原因是否真的与tqdm模块有关，而不是使用您的可迭代或循环代码。试着从我上面提供的代码开始。
另外，与tqdm相比，只在循环中打印类似print(step)的内容，它是否至少在屏幕上打印两行？
如果在我的代码中我执行from tqdm import tqdm，然后在控制台Python中执行它，那么我得到：
10%|███████████▉ | 950/10000 [00:14<02:20, 64.37it/s]这意味着控制台版本也能工作。
Stack Overflow用户
发布于 2021-09-06 12:52:12
这可能发生在木星，如果笔记本不可信-如果是这样，点击右上角的“不可信”框。
Stack Overflow用户
发布于 2021-11-21 13:03:13
这是因为在终端环境中使用from tqdm.notebook import tqdm而不是from tqdm import tqdm。
提供一个示例来说明这个问题：
from tqdm.notebook import tqdm
if __name__ == '__main__':
data = range(10000)
for i, item in enumerate(tqdm(range(len(data)))):
i = i + 1它将显示：
但是，如果使用此代码示例：
from tqdm import tqdm
if __name__ == '__main__':
data = range(10000)
for i, item in enumerate(tqdm(range(len(data)))):
i = i + 1它将展示：
https://stackoverflow.com/questions/67535060
复制相似问题
腾讯云开发者
