Python：tqdm 不顯示進度條

Question

我已經為我的網絡的fit function 編寫了 PyTorch 代碼。 但是當我在其中的循環中使用tqdm時，它不會從 0% 增加，這是我無法理解的原因。

這是代碼：

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}')

Output
output 使用所需參數執行fit function 后如下所示：
0%| | 0/6986 [00:00<?, ?it/s]

如何解決這個問題？

Answer 1

當您從tqdm.notebook導入時，這意味着您正在使用 Jupyter 筆記本，對嗎？ 如果不是，你必須from tqdm import tqdm做。

我簡化了您的示例代碼，使其真正最小化，如下所示：

import time
from tqdm.notebook import tqdm

l = [None] * 10000

for i, e in tqdm(enumerate(l), total = len(l)): 
    time.sleep(0.01)

並在 Google Colab jupyter notebook 上執行。 它向我展示了這樣的進度條：

所以這意味着tqdm可以在筆記本模式下正常工作。 因此，您的可迭代或循環代碼存在一些問題，而不是 tqdm。 可能的原因可能是您的內部循環需要很長時間，因此即使 1 次迭代（在您的情況下總共 6986 次）也需要永遠並且不會顯示在進度條中。

另一個原因是您的迭代需要永遠生成第二個元素，您還必須檢查它是否有效。

另外我看到您向我們展示了 ASCII 進度條，這不是筆記本中通常顯示的進度條（筆記本通常顯示圖形條）。 所以也許你根本不在筆記本里面？ 然后你必須做from tqdm import tqdm而不是from tqdm.notebook import tqdm 。

還首先嘗試暫時簡化您的代碼，以找出原因是否真的與您的案例中的tqdm模塊有關，而不是與您的可迭代或循環代碼有關。 嘗試從我上面提供的代碼開始。

另外，不要嘗試在循環中打印諸如print(step)之類的內容，而是嘗試在屏幕上打印至少兩行？

如果在我的代碼中執行from tqdm import tqdm然后在控制台 Python 中執行它，那么我得到：

10%|███████████▉              | 950/10000 [00:14<02:20, 64.37it/s]

這意味着控制台版本也可以。

Answer 2

如果筆記本不受信任，則在 Jupyter 中可能會發生這種情況 - 如果是這種情況，請單擊右上角的“不受信任”框。

Answer 3

這是因為在終端環境中使用from tqdm.notebook import tqdm而不是from tqdm import tqdm 。

提供一個例子來說明這個問題：

from tqdm.notebook import tqdm

if __name__ == '__main__':
    data = range(10000)
    for i, item in enumerate(tqdm(range(len(data)))):
        i = i + 1

它將顯示：

但是，如果您使用此代碼示例：

from tqdm import tqdm

if __name__ == '__main__':
    data = range(10000)
    for i, item in enumerate(tqdm(range(len(data)))):
        i = i + 1

它將顯示：