python tqdm 라 이브 러 리 사용
간단 한 사용법:
from tqdm import tqdm
for i in tqdm(range(2)):
pass
100%|| 2/2 [00:00<00:00, 1998.72it/s]위 에서 길이 가 2 인 목록 을 만들어 tqdm 에 전달 하 는 것 을 볼 수 있 습 니 다.for 에서 교체 되 었 습 니 다.이때 진도 바 를 출력 했 습 니 다.여기 서 tqdm 는 모두 기본 매개 변 수 를 사 용 했 습 니 다.기본 진도 바 스타일 은 위 와 같 습 니 다.일반적으로 기본 진도 항목 이 출력 하 는 정 보 는 우리 의 수 요 를 만족 시 키 지 못 하고 tqdm 는 진도 항목 스타일 도 맞 출 수 있 습 니 다.
*8195,tdqm 데이터 매개 변수 가 지원 하 는 데이터 형식 은 교체 가능 한 대상 iterable 입 니 다.Python 에서 기본 적 인 교체 가능 대상 은 list,str,tuple,dict,file,xrange 등 이 있 습 니 다.물론 사용자 정의 교체 가능 대상 도 있 습 니 다.
tqdm 매개 변수
desc=None, str ,
total=None,
file=None, , sys.stderr
ncols=None,
mininterval=0.1, , , :0.1
maxinterval=10.0, , , :10
unit='it', , it
bar_format=None,
postfix , : =5
*8195°8195°이러한 매개 변 수 는 상대 적 으로 자주 사용 하 는 매개 변수 이 고 모두 선택 할 수 있 는 매개 변수 입 니 다.사용자 정의 진도 항목 에서 가장 중요 한 매개 변 수 는 bar 입 니 다.format,진도 항목 의 구체 적 인 형식 을 정의 하 는 데 사용 되 며,포 함 된 구체 적 인 데이터 정보;『8195』다음 에 이 매개 변수의 구체 적 인 용법 을 소개 한다.
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.
위 는 tqdm 대 barformat 의 매개 변수 설명;그 중에서 알 수 있다.진도 바 기본 형식:{lbar}{bar}{r_bar}
진도 항목 은 세 부분 으로 나 뉜 다.중간의 도형(bar),도형 왼쪽(lbar)、오른쪽 도형(rbar)
percentage:
n_fmt:
total_fmt:
elapsed:
remaining:
rate_fmt:
postifx:
desc、postfix ;
사용자 정의 진행 막대:1、bar_format=
'진도:{percentage:3.0f}%|{bar}|{n}/{total}[{elapsed}<{remaining},{ratefmt}{postfix}]'
진도:100%||3/3[0:03<00:00,1.00 s/it]
2、bar_format='진도:{percentage:3.0f}%|{bar}|{n}/{total}[{ratefmt}{postfix}]'
진도:100%||3/3[1.00 s/it]
대량 데이터 진행 바
import numpy as np
from torch.utils.data import DataLoader
import time
from tqdm import tqdm, tqdm_notebook
from random import random
data =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 =0
for 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()))
이상 은 python tqdm 라 이브 러 리 의 사용 에 대한 상세 한 내용 입 니 다.python tqdm 라 이브 러 리 에 관 한 자 료 는 다른 관련 글 을 주목 하 십시오!
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
로마 숫자를 정수로 또는 그 반대로 변환그 중 하나는 로마 숫자를 정수로 변환하는 함수를 만드는 것이었고 두 번째는 그 반대를 수행하는 함수를 만드는 것이었습니다. 문자만 포함합니다'I', 'V', 'X', 'L', 'C', 'D', 'M' ; 문자열이 ...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.