随笔小杂记(六)——tqdm进度条显示出现多余行

随笔小杂记(六)——tqdm进度条显示出现多余行

前言

自己打算搭建一个自己的分类库，方便(虽然大概率以后很难出分类的相关实验了，但是还是整理一下，主要也算复习吧)以后自己做实验。然后在整理训练代码的时候，用tqdm显示进度条时，发现进度条出现了多余行~

原因

在一个迭代过程中，如果迭代未完成就被中断，随后也没有从断点继续把剩余迭代完成，就会残存一个未能完成但参与显示的进度条，从而导致多行输出。

for epoch in range(20):
        print('epoch {}'.format(epoch + 1))
        # training-----------------------------
        model.train()
        with tqdm(train_dataloader, desc=f'Epoch {epoch + 1}/{epoch}',postfix=dict,mininterval=0.3) as pbar: 
            for batch_x, batch_y in train_dataloader:
                .....
                pbar.set_postfix(loss=loss.item(), accuracy='{:.3f}'.format(accuracy)) 
                pbar.update(1)
        ## 问题出现在这里
        print('\nTrain Loss: {:.6f}, Acc: {:.6f}'.format(train_loss / (len(train_datasets)), train_acc / (len(train_datasets))))
        # evaluation--------------------------------
        model.eval()
        with tqdm(val_dataloader, desc=f'Epoch {epoch + 1}/{epoch}',postfix=dict,mininterval=0.3) as pbar: 
            for batch_x, batch_y in val_dataloader:
                ...
                pbar.set_postfix(loss=loss.item(), accuracy='{:.3f}'.format(accuracy)) 
                pbar.update(1)
        print('Test Loss: {:.6f}, Acc: {:.6f}'.format(eval_loss / (len(val_datasets)), eval_acc / (len(val_datasets))))

自己后面仔细观察发现，他多余的那个进度条是上个迭代中的最后一行，最后一个残存的未能参与显示的进度条会在迭代完成前出现，而我在迭代结束前有一行print('\nTrain Loss: {:.6f}, Acc: {:.6f}'.format(train_loss / (len(train_datasets)), train_acc / (len(train_datasets))))，导致人为在进度条显示中给了一个分割，所以就出现了多宇行，结果如下：

解决方法

思路：在你有其他输出以前，让迭代明白他已经迭代完成。

方法一：将tqdm作为对象创建，然后迭代中断时，通过t.close()销毁对象，使用close()方法手动销毁未完成的进度条。

from tqdm import tqdm
#创建tqdm对象
t = tqdm(range(0,1000000))
#迭代
for i in t:
	pass
t.close()

方法二：在做模型训练和检验时，通过使用model.train(),model.eval()让tqdm完成迭代
比如，在原因中的代码，把print('\nTrain Loss: {:.6f}, Acc: {:.6f}'.format(train_loss / (len(train_datasets)), train_acc / (len(train_datasets))))移动到model.eval()之后，让tqdm明白完成迭代，输出残存的最后一行，然后再进行输出。如下：

for epoch in range(20):
        print('epoch {}'.format(epoch + 1))
        # training-----------------------------
        model.train()
        with tqdm(train_dataloader, desc=f'Epoch {epoch + 1}/{epoch}',postfix=dict,mininterval=0.3) as pbar: 
            for batch_x, batch_y in train_dataloader:
                .....
                pbar.set_postfix(loss=loss.item(), accuracy='{:.3f}'.format(accuracy)) 
                pbar.update(1)
        # evaluation--------------------------------
        model.eval()
        ## 这里
        print('\nTrain Loss: {:.6f}, Acc: {:.6f}'.format(train_loss / (len(train_datasets)), train_acc / (len(train_datasets))))
        with tqdm(val_dataloader, desc=f'Epoch {epoch + 1}/{epoch}',postfix=dict,mininterval=0.3) as pbar: 
            for batch_x, batch_y in val_dataloader:
                ...
                pbar.set_postfix(loss=loss.item(), accuracy='{:.3f}'.format(accuracy)) 
                pbar.update(1)
        print('Test Loss: {:.6f}, Acc: {:.6f}'.format(eval_loss / (len(val_datasets)), eval_acc / (len(val_datasets))))

更改后结果如下：