PyTorch训练中tqdm进度条遭意外打印干扰的问题排查

为什么会重复打印版本信息？ #

你的print(f"torch version:...")语句处于全局作用域，且未用if __name__ == "__main__":包裹。如果主脚本被engine.py（或其他模块）导入，或是代码逻辑触发了全局代码的重复执行（比如循环中意外触发模块重新加载），这些全局代码就会反复运行。结合你的场景，最可能的原因是engine.train()执行时，主脚本被当作模块重复导入，导致每次tqdm循环迭代时，全局的print语句都会被执行一遍。

主函数为何会关联到这些全局打印语句？ #

这里并非主函数“访问”打印语句，而是全局代码的执行时机问题：main()函数定义在全局作用域中，当脚本被直接运行或导入时，全局作用域的代码（包括print语句）会先于函数执行。如果脚本被重复导入，全局代码会再次执行，print语句就会重复输出，而main()调用train()的过程刚好触发了这个重复导入逻辑。

如何避免重复打印？ #

最规范的解决方法是把所有仅在脚本直接运行时需要执行的代码，全部包裹在if __name__ == "__main__":块中，确保这些代码只在脚本作为主程序运行时执行，被其他模块导入时不会触发。修改后的代码示例如下：

import torch
import torchvision
from torchvision import transforms
import data_setup

# 定义主函数（仅在被调用时执行）
def main():
    # 版本信息仅在主函数执行时打印一次
    print(f"torch version: {torch.__version__}")
    print(f"torchvision version: {torchvision.__version__}")
    
    load_data()
    manual_transforms = transforms.Compose([])
    train_dataloader, test_dataloader, class_names = data_setup.create_dataloaders()
    
    results = engine.train(model=model,
                          train_dataloader=train_dataloader,
                          test_dataloader=test_dataloader,
                          optimizer=optimizer,
                          loss_fn=loss_fn,
                          epochs=5,
                          device=device)

# 脚本直接运行时才执行入口逻辑
if __name__ == "__main__":
    # 初始化训练所需的变量（model、optimizer等）
    device = "cuda" if torch.cuda.is_available() else "cpu"
    # 假设model、optimizer、loss_fn已提前定义/导入
    main()

核心逻辑是：if __name__ == "__main__":是Python的程序入口判断，只有脚本被直接运行时，__name__才会等于"__main__"，块内代码才会执行；当脚本被其他模块导入时，__name__会变为模块名，块内代码不会运行，从根源上避免了全局代码被重复执行。

内容的提问来源于stack exchange，提问作者Jose Ramon