print函数

python输出主要使用print函数，print函数介绍：

print(*objects, sep=' ', end='\n', file=sys.stdout, flush=False)

*objects表示要打印的值，表示多个无名参数或需要打印的值；

sep=' '，对应上面要打印的值中间间隔，默认一个空格；

end='\n'，传入值打印完后的结束符号，默认为换行符，可以自行设置；

file=sys.stdout，设置打印输出参数，默认打印到终端，也可设置打印保存到文件；

flush=False，是否刷新打印结果。

一行输出结果并刷新

在一行中显示输出结果，每次刷新，其中'\r'表示回到当前的开头，end=''表示结束符为空，这样就可以每次更新结果

import timefor i in range(15): time.sleep(0.5) # 这里为了查看输出变化，实际使用不需要sleep print('\r', i, end='') # print('\r', 15-i, end='') # 从两位变一位会有问题

上面代码有个问题，当输出i从大到小，有位数变化时，结果不正确，可用format格式化输出，可解决问题：

import timefor i in range(15): time.sleep(0.5) print('\r', "{:d}".format(15-i), end='')

模型训练中loss和acc的刷新输出

我们在训练机器学习和深度学习模型中，总会隔一段时间输出损失函数和准确率，每次都直接print输出，终端会输出很多信息，这里用单行输出并刷新的方法来输出这些信息，我们设置epochs和batch的数量，每次batch输出刷新，一个epoch完后同时输出train和test的结果。

import time# 设置epochs和batch的数量epochs = 5n_batch = 15# 这里是测试自己设置的loss和acctrain_loss = 1.2345train_acc = 0.345678test_loss = 1.1234test_acc = 0.235467for i in range(epochs): for j in range(n_batch): time.sleep(0.5) train_loss -= 0.001 train_acc += 0.0001 print("\rEpoch: {:d} batch: {:d} loss: {:.4f} acc: {:.4f} | {:.2%}" .format(i+1, j+1, train_loss, train_acc, (j+1)*1.0/n_batch), end='') test_loss -= 0.001 test_acc += 0.0001 print("\rEpoch: {:d}/{:d} train_loss: {:.4f} test_loss: {:.4f} train_acc: {:.4f} test_acc: {:.4f}" .format(i+1, 5, train_loss, test_loss, train_acc, test_acc), end='\n')

这里注意，print里"Epoch"前面有一个"\r"，这个必须要有，同时里面循环end=''，外面循环end='\n'，最终打印结果如下：

tqdm显示进度条

首先安装tqdm：pip install tqdm

简单使用，读取整数，直接在tqdm中传入一个list， 如果直接给定的是一个整数，可以直接用trange

import timefrom tqdm import tqdm, trangefor i in tqdm(range(100)): time.sleep(0.05) # do something# for i in trange(100):# time.sleep(0.05)# # do something

显示结果如下，显示有百分比，以及当前处理到多少个

tdqm输入的list可以是字符串，也可以对输出进度条加一些描述

import timefrom tqdm import tqdmpbar = tqdm(["a", "b", "c", "d", "e"])for char in pbar: time.sleep(0.8) pbar.set_description("Processing %s" % char) # pbar.set_description("Processing {0}".format(char))

以上这篇python输出结果刷新及进度条的实现操作就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。