tqdm是python中的一个用来供我们创建进度条的库。在进行深度学习的研究时,我们可以使用这个库为我们直观地展示当前的训练进度,下面来说说如何在mini-batch优化中使用这个库。
我希望程序能够在每一个epoch都使用进度条来显示当前epoch的训练情况,我使用的代码如下:
1 from tqdm import tqdm #从tqdm库中导入tadm类
2
3 for epoch in range(epochs): #训练轮次
4 with tqdm(total = batch_num, desc=f‘Epoch {epoch+1}/{epochs}‘, unit=‘it‘) as pbar: #创建一个进度条
5 for batch_idx in range(batch_num): #mini-batch训练
6 ...7 pbar.set_postfix({‘batch_loss:‘loss}) #在进度条后显示当前batch的损失
8 pbar.update(1) #更当前进度,1表示完成了一个batch的训练
所得到的的进度条如下图所示:
“from tqdm import tqdm”就是从tqdm库中导入tqdm类。一开始我写成了“import tqdm”,导致程序报错,所以这一点要注意。
"with tqdm(total = batch_num, desc=f‘Epoch {epoch+1}/{epochs}‘, unit=‘it‘) as pbar: #创建一个进度条"使用python的with结构来创建一个tqdm对象pbar。如果不使用with结构,就需要在一次epoch训练的结尾调用t