class AverageMeter()的用法与含义

在模型训练过程中，时常可以看到AverageMeter()类的出现

其中多数时候train：采用自定义的AverageMeter类来管理一些变量的更新。

读取某个变量的时候，通过对象.属性的方式来读取

在初始化的时候就调用的重置方法reset。

当需要进行变量更新时，调用该类对象的update方法,从源代码来看，是对所有的batchsize的损失取平均。

其源码如下：

class AverageMeter(object):
    """Computes and stores the average and current value"""
    def __init__(self, name, fmt=':f'):
        self.name = name
        self.fmt = fmt
        self.reset()

    def reset(self):
        self.val = 0
        self.avg = 0
        self.sum = 0
        self.count = 0

    def update(self, val, n=1):
        self.val = val
        self.sum += val * n
        self.count += n
        self.avg = self.sum / self.count

    def __str__(self):
        fmtstr = '{name} {val' + self.fmt + '} ({avg' + self.fmt + '})'
        return fmtstr.format(**self.__dict__)

应用案例：引用https://blog.csdn.net/qq_39783265/article/details/105398427

if __name__ == "__main__":
    losses = AverageMeter('AverageMeter')
    loss_list = [0.5,0.4,0.5,0.6,1]  #每一个batchsize中样本的平均损失
    batch_size = 2
    for los in loss_list:
        losses.update(los,batch_size)
        print(losses.avg)
    print(losses)

##输出
0.5
0.45
0.4666
0.5
0.6