Python:tqdm不显示进度条

我已经为我的网络的

fit

功能编写了PyTorch代码。但是当我在它的循环中使用

tqdm

时，它并没有从0%增加到我无法理解的原因

代码如下：

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

fit

函数后的输出如下所示：

---

0%| | 0/6986[00:00当您从
tqdm.notebook
导入时，这意味着您正在使用Jupyter笔记本，对吗？如果不是，您必须从tqdm导入tqdm

我简化了您的示例代码，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)

并在谷歌jupyter笔记本上执行。它向我展示了如下漂亮的进度条：

import time
from tqdm.notebook import tqdm

l = [None] * 10000

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

因此，这意味着

tqdm

在笔记本模式下正确工作。因此，您的iterable或loop代码存在一些问题，而不是tqdm。可能的原因可能是您的内部循环需要很长时间，因此即使是一次迭代（在您的案例中，总共6986次），也需要很长时间，并且不会显示在进度条中

还有一个原因是iterable需要花费很长时间才能生成第二个元素，而且您必须检查它是否有效

此外，我看到您向我们展示了ASCII进度条，它不是笔记本中通常显示的进度条（笔记本通常显示图形条）。因此，您可能根本不在笔记本中？然后您必须从TQM导入TQM

，而不是从TQM导入TQM
。笔记本导入TQM

另外，首先尝试简化您的代码，只是暂时的，以确定原因是否真的与您的案例中的
tqdm
模块有关，而不是与您的iterable或loop代码有关。尝试从上面提供的代码开始

另外，与tqdm不同，尝试在循环内部打印类似于
print（step）
的内容，它是否在屏幕上打印至少两行

如果在我的代码中，我从tqdm导入tqdm，然后在控制台Python中执行它，那么我得到：

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

10%|███████████▉              | 950/10000[00:14您确定整个函数的执行已完成吗？是否执行循环底部的打印？是的，整个函数已执行，我也获得了损失值，代码正在运行，但进度条@gooddeedesmaybe
enumerate（tqdm（列车加载器））中没有响应
works？我在MikeXydas尝试了它，但没有成功。
tqdm
一般有效吗？尝试一个示例，如本文的答案所示：