tqdm
Tqdm庫比較常用，用於顯示進度條。
簡單用法：
from tqdm import tqdm
for i in tqdm(range(2)):
pass
100%|███████████████████| 2/2 [00:00<00:00, 1998.72it/s]
從上面可以看到生成一個長度為2的列表傳入tqdm中，在for中迭代，此時輸出了進度條，這里tqdm全部使用了默認參數，默認進度條樣式就是如上所示；通常默認進度條所輸出的信息並不滿足我們的需求，tqdm還可以定制進度條樣式；
tdqm數據參數支持的數據類型是可迭代的對象iterable，在Python中默認的可迭代對象有：list、str、tuple、dict、file、xrange等，當然還有自定義可迭代對象；
tqdm參數
desc=None, str類型，作為進度條說明
total=None, 預期的迭代次數
file=None, 輸出方式，默認為sys.stderr
ncols=None, 進度條長度
mininterval=0.1, 進度條最小的更新間隔，單位秒，默認：0.1
maxinterval=10.0, 進度條最大更新間隔，單位秒，默認：10
unit='it', 單位，默認it每秒迭代數
bar_format=None, 進度條格式
postfix 字典形式信息，例如：速度=5
這些參數為相對比較常用的參數，並且全部都是可選參數；在自定義進度條當中比較重要的的一個參數為：bar_format，用於定義進度條的具體格式，所包含的具體數據信息；
下面主要介紹這個參數的具體用法；
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.
上面為tqdm對bar_format的參數描述；從中可看出：
進度條默認格式為： {l_bar}{bar}{r_bar}
進度條分為三部分： 中間的圖形(bar)，圖形左邊(l_bar)、圖形右邊(r_bar)
l_bar： {desc}: {percentage:3.0f}%|
bar: 進度條
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：當前數
total_fmt：總數
elapsed：消耗的時間
remaining：剩余時間
rate_fmt：速率
postifx：后綴字典描述
desc、postfix默認為空；
自定義進度條：
1、bar_format=
'進度:{percentage:3.0f}%|{bar}|{n}/{total}[{elapsed}<{remaining},{rate_fmt}{postfix}]'
進度:100%|████████████████████|3/3[00:03<00:00, 1.00s/it]
2、bar_format='進度:{percentage:3.0f}%|{bar}|{n}/{total}[{rate_fmt}{postfix}]'
進度:100%|████████████████████|3/3[ 1.00s/it]
批量數據進度條
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()))
