训练期间未显示进度条，Python答案

【问题标题】：Progress bar not shown during training, Python训练期间未显示进度条，Python
【发布时间】：2021-06-11 10:16:45
【问题描述】：

我正在尝试为分割任务训练一个 2D Unet。我执行这行代码：

model.fit(training_generator, epochs = params["nEpoches"],
                    validation_data=validation_generator, verbose = 1, use_multiprocessing = True, workers = 6, callbacks=[callbacks_list,csv_logger])

在哪里

training_generator = DataGenerator(x_training, y_train_flat, **params) 的距离，图像和掩码数组作为此类的参数。
纪元 = 2
validation_generator = 距离 DataGenerator(x_validation, y_validation_flat, **params)，带有验证数据。
回调列表 = checkPoint = ModelCheckpoint(filepath, monitor='val_loss', verbose=1, save_best_only=False, mode='min', period=1) callbacks_list = checkPoint

使用verbose=1 参数，我想我应该看到一个显示每个时期训练状态的进度条，但我看到的唯一内容是Epoch 1/2，没有任何进度条。所以我不能说训练过程是在继续还是卡在某个地方。

【问题讨论】：

试试verbose=10，但无论如何库中的模型永远不会卡住，它们可能计算时间长，但永远不会卡住。
这可能是因为它不知道它应该在一个 epoch 中执行多少步并因此显示一个进度条。检查您的批量大小并尝试在 model.fit() 中指定 steps_per_epoch

标签： python tensorflow keras progress training-data

【解决方案1】：

根据 Tensorflow 文档，

steps_per_epoch：-

整数或无。之前的步骤总数（样本批次）宣布一个时代结束并开始下一个时代。什么时候使用输入张量进行训练，例如 TensorFlow 数据张量，默认 None 等于数据集中的样本数除以按批量大小，如果无法确定，则为 1。如果 x 是 tf.data 数据集，并且 'steps_per_epoch' 为 None，epoch 将运行直到输入数据集用完。当通过一个无限重复数据集，您必须指定 steps_per_epoch 参数。

validation_steps：-

仅当提供了 validation_data 并且是 tf.data 数据集时才相关。停止前要绘制的总步数（样本批次）在每个 epoch 结束时执行验证时。如果 'validation_steps' 为无，验证将一直运行到 validation_data 数据集已用尽。在无限的情况下重复数据集，它将陷入无限循环。如果 'validation_steps' 被指定并且只有部分数据集将被消耗，评估将从数据集的开头开始在每个时代。这确保使用相同的验证样本每次。

在您的情况下，正如@Kaveh 正确提到的那样，训练进度正在进行中，它不知道一个时期应该有多少步并陷入无限循环。检查您的batch size 并将steps_per_epoch 和validation_steps 添加到model.fit()，如下所示将解决您的问题。

model.fit(training_generator, 
    steps_per_epoch = len(training_generator) // training_generator.batch_size,
    epochs = params["nEpoches"],
    validation_data=validation_generator, 
    validation_steps=len(validation_generator) // validation_generator.batch_size,
    verbose = 1, 
    use_multiprocessing = True, workers = 6, callbacks=[callbacks_list,csv_logger])

更多信息可以参考here

【讨论】：