PyTorch 代码添加进度条：使用 tqdm 库实现训练过程可视化

使用 tqdm 库可以方便地在 PyTorch 代码中添加进度条，实现训练过程的可视化，方便观察训练进度和损失函数变化。

from tqdm import tqdm

d_epoch_loss = 0
g_epoch_loss = 0
count = len(dataloader)

# 包装 dataloader 为 tqdm 对象
dataloader = tqdm(dataloader)

for step, (img, _) in enumerate(dataloader):
    img = img.to(device)
    size = img.size(0)
    random_noise = torch.randn(size, 100, device=device)
    d_optim.zero_grad()
    # 判别器输入真实图片
    real_output = Dis(img)
    # 判别器在真实图像上的损失
    d_real_loss = loss_function(real_output, torch.ones_like(real_output))
    d_real_loss.backward()
    gen_img = Gen(random_noise)
    fake_output = Dis(gen_img.detach())  # 判别器输入生成图片,fake_output对生成图片的预测
    # gen_img是由生成器得来的，但我们现在只对判别器更新，所以要截断对Gen的更新
    # detach()得到了没有梯度的tensor，求导到这里就停止了，backward的时候就不会求导到Gen了
    d_fake_loss = loss_function(fake_output, torch.zeros_like(fake_output))
    d_fake_loss.backward()
    d_loss = d_real_loss + d_fake_loss
    d_optim.step()
    g_optim.zero_grad()
    fake_output = Dis(gen_img)
    g_loss = loss_function(fake_output, torch.ones_like(real_output))
    g_loss.backward()
    g_optim.step()

    with torch.no_grad():
        d_epoch_loss += d_loss
        g_epoch_loss += g_loss

    # 更新进度条状态
    dataloader.set_description(f'Epoch {epoch + 1}')
    dataloader.set_postfix(d_loss=d_loss.item(), g_loss=g_loss.item())
    dataloader.update(1)

# 关闭进度条
dataloader.close()

with torch.no_grad():  # 之后的内容不进行梯度的计算（图的构建）
    d_epoch_loss /= count
    g_epoch_loss /= count
    D_loss.append(d_epoch_loss)
    G_loss.append(g_epoch_loss)
    print('Epoch:', epoch + 1)
    gen_img_plot(Gen, test_input, epoch == 0, (epoch == Epoch))

步骤:

导入 tqdm 库:
```
from tqdm import tqdm
```
包装 dataloader 为 tqdm 对象:
```
dataloader = tqdm(dataloader)
```
在循环中更新进度条:
- 使用 dataloader.set_description() 设置进度条描述，例如当前 epoch 编号。
- 使用 dataloader.set_postfix() 设置进度条后缀，显示当前迭代的损失值等信息。
- 使用 dataloader.update(1) 更新进度条，每迭代一次更新一次。
关闭进度条:
```
dataloader.close()
```

代码解释:

tqdm(dataloader)：将 dataloader 包装成一个 tqdm 对象，该对象会自动在迭代过程中显示进度条。
dataloader.set_description(f'Epoch {epoch + 1}')：设置进度条描述，显示当前 epoch 编号。
dataloader.set_postfix(d_loss=d_loss.item(), g_loss=g_loss.item())：设置进度条后缀，显示当前迭代的判别器损失 d_loss 和生成器损失 g_loss。
dataloader.update(1)：更新进度条，每迭代一次更新一次。
dataloader.close()：关闭进度条。

通过以上步骤，您就可以在 PyTorch 代码中添加进度条，方便地观察训练过程和损失函数变化。tqdm 库还可以用于其他可迭代对象，例如列表、字典等，方便地实现进度条显示。