tqdm

python实现进度条—查看代码运行进度 一、前言 \quad \quad 有时候在使用Python处理比较耗时操作的时候，为了便于观察处理进度，这时候就需要通过进度条将处理情况进行可视化展示，以便我们能够及时了解情况。这对于第三方库非常丰富的Python来说，想要实现这一功能并不是什么难事。 \quad \quad tqdm就能非常完美的支持和解决这些问题，可以实时输出处理进度而且 占用的CPU资源非常少 ，支持 循环处理 、 多进程 、 递归处理 、还可以结合 linux的命令 来查看处理情况，等进度展示。 我们先来看一下进度条的效果。 from tqdm import tqdm for i in tqdm ( range ( int ( 9e6 ) ) ) : pass 可以看到，当我们的代码的运行需要较长时间时，进度条可以很好的帮助我们了解整个代码的运行进度。 1、安装 tqdm的安装十分简单，只需要通过pip或conda就可以安装。 2、pip安装 pip install tqdm 3、conda安装 conda install - c conda - forge tqdm 二、tqdm相关操作 1、迭代对象处理 对于可以 迭代的对象 都可以使用下面这种方式，来实现可视化进度，非常方便。 from tqdm import tqdm import time for i in

tqdm """ #【tqdm】 显示循环的进度条，再也不用担心程序跑到哪里还要跑多久了 #tqdm 可以直接包裹iterable对象 from tqdm import tqdm,trange from time import sleep text = "" for char in tqdm(['a','b','c','d']): text += char sleep(1) #trange(i)相当于tqdm(range(i)) from tqdm import tqdm,trange from time import sleep for i in trange(100): sleep(0.01) #可以在循环外预先定义tqdm对象 pbar = tqdm(['a','b','c','d','e','f','g','aaa']) for char in pbar: pbar.set_description("Processing %s" % char) #Processing aaa: 100%|██████████| 8/8 [00:00<00:00, 14260.28it/s] ''' 有两个参数比较有用，desc(str)和leave(bool) desc可以指定这个循环的的信息，以便区分。上面的set_description(str)和这个应该是一样的。

pk哥肝了一个月，从两本书《Python基础教程（第3版）》和《流畅的Python》里把知识点进行了汇总，整理成了 100 道 Python习题， Python 100题我已经整理成了 PDF 文档，需要文档的可以关注下方公众号「Python知识圈」并回复：“ 100 ” 获取文档。 关注后回复：“ 100 ” 获取 pdf 文档 作者：pk哥 公众号：Python知识圈 Python基础习题 怎么计算2的3次方 解法1:直接用运算符 ** >>> 2**3 8 解法2:用函数 pow >>> pow(2,3) 8 怎么找出序列中的最大最小值？ 用内置函数 max 和 min >>> l = (123, 888, 666) >>> max(l) 888 >>> min(l) 123 怎么将字符列表转为字符串 用 join 方法，合并序列的元素 >>> l = [ 'Python' , 'Circle' , 'is' , 'ok' ] >>> j = ' ' .join(l) >>> j 'Python Circle is ok' 怎么快速打印出包含所有 ASCII 字母（大写和小写）的字符串 用 string 模块的方法 >>> import string >>> string.ascii_letters

前言 一张图片由无数的像素点组成，那么我们将用图片来填充这些像素点 很多人学习python，不知道从何学起。 很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。 很多已经做案例的人，却不知道如何去学习更加高深的知识。 那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！ QQ群：1097524789 知识点： 1. cv2 2. numpy 3. tqdm 4. argparse 开发环境： Python 3.6 Pycharm 思路： 1.输入 2.计算处理 3.输出 4.展示 加企鹅群695185429即可免费获取，资料全在群文件里。资料可以领取包括不限于Python实战演练、PDF电子文档、面试集锦、学习资料等 步骤 一、导入工具 import cv2 import glob import argparse import numpy as np from tqdm import tqdm # 进度条 from itertools import product # 迭代器 二、图片文件 def parseArgs (): parser = argparse.ArgumentParser( '拼接马赛克图片') parser.add_argument( '--targetpath', type=str, default

最近师弟在做DQN的实验，由于是强化学习方面的东西，正好和我现在的研究方向一样于是我便帮忙跑了跑实验，于是就有了今天的这个内容。 首先在github上进行搜寻，如下图： 发现第一个星数最多，而且远高于其它的项目，于是拉取这个链接： https://github.com/devsisters/DQN-tensorflow 本篇博客主要是讲解一下该代码运行环境的如何搭建，采用 conda 配置。 首先看下 README 上的内容， 主要是requirement最重要： 考虑到运行的兼容性，于是决定使用python2.7版本环境运行，下面开始 conda 的配置： 搜寻python2.7版本，并采用最小自版本号 conda search python=2.7 选择 python2.7.3版本， 为环境命名 dqn_2 : conda create -n dqn_2 python=2.7.3 进入新建环境，并确认版本： conda activate dqn_2 安装 numpy scipy conda install numpy scipy 安装 tqdm (进度条模块) pip install tqdm==4.30 安装 gym (oepnai 的 游戏环境交互模块) 可选安装： pip install gym==0.1.0 必选安装： pip install gym[Atari]==0

前言：本文主要讲YOLOv3中数据加载部分，主要解析的代码在utils/datasets.py文件中。通过对数据组织、加载、处理部分代码进行解读，能帮助我们更快地理解YOLOv3所要求的数据输出要求，也将有利于对之后训练部分代码进行理解。 1. 标注格式 在上一篇 【从零开始学习YOLOv3】2. YOLOv3中的代码配置和数据集构建 中，使用到了 voc_label.py ，其作用是将xml文件转成txt文件格式，具体文件如下： # class id, x, y, w, h 0 0.8604166666666666 0.5403899721448469 0.058333333333333334 0.055710306406685235 其中的x,y 的意义是归一化以后的框的中心坐标，w,h是归一化后的框的宽和高。 具体的归一化方式为： def convert(size, box): ''' size是图片的长和宽 box是xmin,xmax,ymin,ymax坐标值 ''' dw = 1. / (size[0]) dh = 1. / (size[1]) # 得到长和宽的缩放比 x = (box[0] + box[1])/2.0 y = (box[2] + box[3])/2.0 w = box[1] - box[0] h = box[3] - box[2] # 分别计算中心点坐标

在深度学习处理数据时经常会用到的一步操作，路径名因人而异，可以根据需求自行更改。 import os # get .txt document rootdir=os.path.join('要读取的txt文件的绝对路径') # read write_path=open('要写入的txt文件的绝对路径/write.txt','w') for (dirpath,dirnames,filenames) in os.walk(rootdir): for filename in filenames: if os.path.splitext(filename)[1]=='.txt': write_path.write('要写的绝对路径'+filename+'\n') write_path.close() import os import cv2 from tqdm import tqdm def main(source_root): cwd = os.getcwd() # delete '.DS_Store' existed in the source_root os.chdir(source_root) os.system("find . -name '*.DS_Store' -type f -delete") os.chdir(cwd) write_path=open('./data

最近师弟在做DQN的实验，由于是强化学习方面的东西，正好和我现在的研究方向一样于是我便帮忙跑了跑实验，于是就有了今天的这个内容。 首先在github上进行搜寻，如下图： 发现第一个星数最多，而且远高于其它的项目，于是拉取这个链接： https://github.com/devsisters/DQN-tensorflow 本篇博客主要是讲解一下该代码运行环境的如何搭建，采用 conda 配置。 首先看下 README 上的内容， 主要是requirement最重要： 考虑到运行的兼容性，于是决定使用python2.7版本环境运行，下面开始 conda 的配置： 搜寻python2.7版本，并采用最小自版本号 conda search python=2.7 选择 python2.7.3版本， 为环境命名 dqn_2 : conda create -n dqn_2 python=2.7.3 进入新建环境，并确认版本： conda activate dqn_2 安装 numpy scipy conda install numpy scipy 安装 tqdm (进度条模块) pip install tqdm==4.30 安装 gym (oepnai 的 游戏环境交互模块) 可选安装： pip install gym==0.1.0 必选安装： pip install gym[Atari]==0

本文介绍了目前6种比较常用的进度条，让大家都能直观地看到脚本运行最新的进展情况 很多人学习python，不知道从何学起。 很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。 很多已经做案例的人，却不知道如何去学习更加高深的知识。 那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！ QQ群：1097524789 1.普通进度条 2.带时间进度条 3.tpdm进度条 4.progress进度条 5.alive_progress进度条 6.可视化进度条 7.进度条？ 1.普通进度条 在代码迭代运行中可以自己进行统计计算，并使用格式化字符串输出代码运行进度 import sys import time def progress_bar(): for i in range( 1, 101): print( "\r", end= "") print( "Download progress: {}%: ".format(i), "▋" * (i // 2), end= "") sys.stdout.flush() time.sleep( 0.05) progress_bar() 进度条1 2.带时间进度条 导入time模块来计算代码运行的时间，加上代码迭代进度使用格式化字符串来输出代码运行进度 import time scale =

用pip安装python模块的时候，重复安装某一模块会经常出现“Using cache”，这样很容易装错版本。于是在stackoverflow找到大概两种方法。 1. 直接跳过cache：(tqdm是栗子) pip install -U tqdm 2. 清理pip cache cd ~/.cache/pip sudo rm -rf * 注意：做rm的时候一定要看清楚路径，别删了库最后只能跑路了。 参考链接： https://stackoverflow.com/questions/9510474/removing-pips-cache 来源： oschina 链接： https://my.oschina.net/u/4297014/blog/4341843