Python：tqdm 不显示进度条

Question

我已经为我的网络功能编写了 PyTorch 代码fit。但是当我tqdm在其中的循环中使用时，它不会从 0% 增加，这是我无法理解的原因。

这是代码：

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 执行函数后的输出fit如下所示：
0%| | 0/6986 [00:00<?, ?it/s]

如何解决这个问题？

Answer 1

当您从中导入时，tqdm.notebook意味着您正在使用 Jupyter 笔记本，对吗？如果没有，你必须这样做from tqdm import tqdm。

\n

我简化了您的示例代码，使其非常简单，如下所示：

\n

import time\nfrom tqdm.notebook import tqdm\n\nl = [None] * 10000\n\nfor i, e in tqdm(enumerate(l), total = len(l)): \n    time.sleep(0.01)\n

\n

并在 Google Colab jupyter 笔记本上执行。它向我展示了这样的漂亮进度条：

\n

\n

所以这意味着tqdm在笔记本模式下可以正常工作。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，因此即使 1 次迭代（在您的情况下总共 6986 次迭代中）也需要很长时间并且不会显示在进度栏中。

\n

另一个原因是你的迭代需要永远生成第二个元素，你还必须检查它是否有效。

\n

我还看到您向我们展示了 ASCII 进度条，这不是笔记本中通常显示的进度条（笔记本通常显示图形栏）。那么也许您根本不在笔记本电脑中？那么你必须做from tqdm import tqdm而不是from tqdm.notebook import tqdm.

\n

另外，首先尝试暂时简化您的代码，以确定原因是否确实与tqdm您的案例中的模块有关，而不是与您的可迭代或循环代码有关。尝试从我上面提供的代码开始。

\n

另外，不要尝试打印类似的内容，而不是 tqdmprint(step)在循环内打印类似的内容，而不是 tqdm ，它是否在屏幕上打印至少两行？

\n

如果在我的代码中我这样做from tqdm import tqdm，然后在控制台 Python 中执行它，那么我得到：

\n

10%|\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x88\xe2\x96\x89              | 950/10000 [00:14<02:20, 64.37it/s]\n

\n

这意味着控制台版本也可以工作。

\n