tqdm ์ด๋
dataloader์ ํตํด data๋ฅผ downloadํ ๋, ์ํ๋ฐ๋ฅผ ๋ฃ์ด๋๋ ๊ฒฝ์ฐ๊ฐ ์๋ค.
from tqdm import tqdm
tqdm์ด๋, ์ํ ์งํ(progress) ์ ๋ณด์ฌ์ฃผ๋ ํ์ด์ฌ ๋ผ์ด๋ธ๋ฌ๋ฆฌ ์ด๋ค
์ฝ๋ ์์
1. tqdm(iterable)
tqdm(iterable) ์ ํด์ฃผ๋ฉด, iterable ๋ด์์์ ์ํ ์งํ๋ฅ ์ ์๋ ค์ค๋ค.
from tqdm.notebook import tqdm
for i in tqdm(range(100)):
i+=i
2. total = tqdm(iterable)
from tqdm.notebook import tqdm
import time
total = tqdm(range(100))
for i in total:
time.sleep(0.1)
3. trange(i)
trange(i) ๋ tqdm(range(i)) ์ ๊ฐ์ ๊ธฐ๋ฅ์ ๊ฐ์ง๊ณ ์๋ค.
from tqdm.notebook import tnrange
import time
#trange(i) is a special optimised instance of tqdm(range(i)):
for i in tnrange(5, desc = "first"):
for j in tnrange(100, desc="second"):
time.sleep(0.1)
4. set_description
set_description ์ ํตํด์ iteration์ ์ด๋ ๋ถ๋ถ์ด ์งํ ์ค์ธ์ง ํ์ธํ ์ ์๋ค.
from tqdm.notebook import tqdm
import time
total = tqdm(["a", "b", "c", "d"], desc = "abcd")
for char in total:
time.sleep(10)
total.set_description("Processing %s" % char)
๋งจ ์ฒ์, desc ๋ถ๋ถ์ ๋ด์ฉ๊ณผ ํจ๊ป 0%์ ์งํ๋ฅ ์ ๋ณด์ธ๋ค.
๊ทธ๋ฌ๋ค 10์ด ํ, (time.sleep(10)) Processing a๋ก ๋ฐ๋๋ฉฐ a ๋ถ๋ถ์ด ์งํ๋จ์ ์๋ ค์ค๊ณผ ๋์์ 25%์ ์งํ๋ฅ ์ ๋ณด์ฌ์ค๋ค.
๋ชจ๋ ์งํ์ด ๋๋๋ฉด ๋ค์๊ณผ ๊ฐ์ด ํ์ ๋๋ค.
tqdm ๊นํ๋ธ(github)
๋ค์์ ๋งํฌ๋ฅผ ์ฐธ๊ณ ํ์ฌ ๊ธ์ ์์ฑํ์ผ๋ฉฐ, ๋ ์์ธํ ๋ด์ฉ์ ์๋์ ๋งํฌ๋ฅผ ํตํด ํ์ธํ ์ ์๋ค.
'KAIST MASTER๐ > python' ์นดํ ๊ณ ๋ฆฌ์ ๋ค๋ฅธ ๊ธ
torch.cuda.is_available() False์์ True๋ก ๋ง๋ค๊ธฐ (0) | 2021.08.25 |
---|---|
ํ์ด์ฌ % - ๋ฌธ์์ด % ํฌ๋งคํ (0) | 2021.01.22 |
๋๊ธ