目录
4、tqdm() 和 enumerate()用于神经网络训练:
1、enumerate() 函数：
这个函数的基本应用就是用来遍历一个数据对象(如列表、元组或字符串)组合，它在遍历的同时还可以得到当前元素的索引位置。一般用于在 for 循环中得到访问下标。
enumerate 的语法是: enumerate(sequence, start=0) 其中: sequence 为可迭代对象 start 指定索引起始值，默认为 0。
参数：
sequence：是一个可迭代对象
start：是一个可选参数，表示索引从几开始计数
例1：
lt=['a','b','c','d','e','f','g'] # 创建lt数组
for i, item in enumerate(lt):
print(i, item) # 打印索引和值
print(type(item)) # 查看item类型
输出结果：
0 a
1 b
2 c
3 d
4 e
5 f
6 g
<class 'str'>
在这个例子中，每个元素的下标和值都被提取到了变量i和item中，可以借此方便地进行各种操作。例2：
lt=['a','b','c','d','e','f','g'] # 创建lt数组
for item in enumerate(lt):
print(item) # 打印索引和值
print(type(item))
输出结果：
(0, 'a')
(1, 'b')
(2, 'c')
(3, 'd')
(4, 'e')
(5, 'f')
(6, 'g')
<class 'tuple'>
当返回值设置一个时，返回各个元组。2、tqdm()函数：
tqdm是一个Python包，可以用来实现进度条的显示。它可以在控制台中显示一个进度条，用于表示代码执行的进度，帮助开发者更好地直观地看到代码运行的进展情况。
#示例
for i in tqdm(range(20), desc='It\'s a test'):
time.sleep(0.1)参数：
iterable=None，可迭代对象。如上一节中的range(20)
desc=None，传入str类型，作为进度条标题。如上一节中的desc='It\'s a test'
total=None，预期的迭代次数。一般不填，默认为iterable的长度。
leave=True，迭代结束时，是否保留最终的进度条。默认保留。
file=None，输出指向位置，默认是终端，一般不需要设置。
ncols=None，可以自定义进度条的总长度
unit，描述处理项目的文字，默认’it’，即100it/s；处理照片设置为’img’，则为100img/s
postfix，以字典形式传入详细信息，将显示在进度条中。例如postfix={'value': 520}
unit_scale，自动根据国际标准进行项目处理速度单位的换算，例如100000it/s换算为100kit/s
tqdm()的返回值是一个可迭代对象，迭代的每一个元素就是iterable的每一个参数。该返回值可以修改进度条信息。
例1：
from tqdm import tqdm
lt=['a','b','c','d','e','f','g'] # 创建lt数组
for item in tqdm(lt):
print(item)
print(type(item))
输出
a
b
c
d
e
f
g
<class 'str'>
100%|██████████| 7/7 [00:00<?, ?it/s]例2：
from tqdm import tqdm
lt=['a','b','c','d','e','f','g'] # 创建lt数组
for i, item in tqdm(lt):
print(i, item)
print(type(item))
输出结果
0%| | 0/7 [00:00<?, ?it/s]
Traceback (most recent call last):
File "D:/pyProjects/Build-Your-Own-Face-Model-master/recognition/forTest.py", line 5, in <module>
for i, item in tqdm(lt):
ValueError: not enough values to unpack (expected 2, got 1)
出错了，提示没有那么多返回值3、tqdm 和 enumerate() 结合:
from tqdm import tqdm
lt=['a','b','c']
for i,item in enumerate(tqdm(lt)):
print(i, item)4、tqdm() 和 enumerate()用于神经网络训练:
tqdm()函数：
for data, labels in tqdm(dataloader, desc=f"Epoch {e}/{conf.epoch}",
ascii=True, total=len(dataloader)):
data = data.to(device)
labels = labels.to(device)
enumerate()函数：
for ii, data in enumerate(trainloader):
data_input, labels = data
data_input = data_input.to(device)
labels = label.to(device).long()
这是两个函数在神经网络训练时的代码片段，可以发现：
tqdm()函数可以直接返回data, labels值；
enumerate()返回的是数据列表的id与对应的（data, labels）元组，因此enumerate()还
需一步: data_input, labels = data，提取对应的tata与labels。