如果在运行python脚本时需要传入一些参数,例如gpus与batch_size,可以使用如下三种方式。
python script.py 0,1,2 10
python script.py -gpus=0,1,2 --batch-size=10
python script.py -gpus=0,1,2 --batch_size=10
这三种格式对应不同的参数解析方式,分别为sys.argv, argparse, tf.app.run, 前两者是python自带的功能,最后一个是tensorflow提供的便捷方式(只是在命令行执行时看上去跟第二个相同,源码部分的区别见下)。
sys.argv
sys模块是很常用的模块, 它封装了与python解释器相关的数据,例如sys.modules里面有已经加载了的所有模块信息,
sys.path里面是PYTHONPATH的内容,而sys.argv则封装了传入的参数数据。
使用sys.argv接收上面第一个命令中包含的参数方式如下:
import sys
gpus = sys.argv[1]
#gpus = [int(gpus.split(','))]
batch_size = sys.argv[2]
print(gpus, type(gpus))
print(batch_size, type(batch_size))
执行结果:
D:\projects\Pycharm Projects\some-toys\something_else>python argv_test.py 1,0,2 10
1,0,2 <class 'str'>
10 <class 'str'>
argparse
import argparse
parser = argparse.ArgumentParser(description='manual to this script')
parser.add_argument('--gpus', type=str, default = None)
parser.add_argument('--batch-size', type=int, default=32)
args = parser.parse_args()
print(args.gpus, type(args.gpus))
print(args.batch_size, type(args.batch_size))
执行结果:
D:\projects\Pycharm Projects\some-toys\something_else>python argv_test.py --gpus=0,1,2 --batch-size=20
0,1,2 <class 'str'>
20 <class 'int'>
需要注意的是,脚本运行命令python script.py --gpus=0,1,2 --batch-size=10中的batch-size会被自动解析成batch_size.
parser.add_argument 方法的type参数理论上可以是任何合法的类型, 但有些参数传入格式比较麻烦,例如list,所以一般使用bool, int, str, float这些基本类型就行了,更复杂的需求可以通过str传入,然后手动解析。bool类型的解析比较特殊,传入任何值都会被解析成True,传入空值时才为False
python script.py --bool-val=0 # args.bool_val=True
python script.py --bool-val=False # args.bool_val=True
python script.py --bool-val= # args.bool_val=什么都不写False
通过这个方法还能指定命令的帮助信息。具体请看API文档:https://docs.python.org/2/library/argparse.html
tf.app.run
tensorflow也提供了一种方便的解析方式。
脚本的执行命令为:
python script.py -gpus=0,1,2 --batch_size=10
对应的python代码为:
import tensorflow as tf
tf.app.flags.DEFINE_string('gpus', None, 'gpus to use')
tf.app.flags.DEFINE_integer('batch_size', 5, 'batch size')
FLAGS = tf.app.flags.FLAGS
def main(_):
print FLAGS.gpus
print FLAGS.batch_size
if __name__=="__main__":
tf.app.run()
有几点需要注意:
tensorflow只提供以下几种方法:
tf.app.flags.DEFINE_string,
tf.app.flags.DEFINE_integer,
tf.app.flags.DEFINE_boolean,
tf.app.flags.DEFINE_float
四种方法,分别对应str, int,bool,float类型的参数。这里对bool的解析比较严格,传入1会被解析成True,其余任何值都会被解析成False。
脚本中需要定义一个接收一个参数的main方法:def main(_):,这个传入的参数是脚本名,一般用不到, 所以用下划线接收。
以batch_size参数为例,传入这个参数时使用的名称为--batch_size,也就是说,中划线不会像在argparse 中一样被解析成下划线。
tf.app.run()会寻找并执行入口脚本的main方法。也只有在执行了tf.app.run()之后才能从FLAGS中取出参数。
从它的签名来看,它也是可以自己指定需要执行的方法的,不一定非得叫main:
run(
main=None,
argv=None
)
tf.app.flags只是对argpars的简单封装。代码见
https://github.com/tensorflow/tensorflow/blob/r1.2/tensorflow/python/platform/flags.py
来源:https://www.cnblogs.com/peanutk/p/11650796.html
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
oracle怎样修改表名、列名、字段类型、添加表列、删除表列
30秒学会30个超实用Python代码片段【收藏版】
javascript实现数独解法
Python嵌套函数,作用域与偏函数用法实例分析
WinHttp.WinHttpRequest--XmlHttp获取跳转页面的功能
Python中实现输入一个整数的案例
python2.7的flask框架之引用js&css等静态文件的实现方法
![](https://img.aspxhome.com/file/2023/6/95846_0s.jpg)
Python List列表对象内置方法实例详解
关于JS中的事件--Event对象
Web2.0电子商务网站的交互设计
![](https://img.aspxhome.com/file/UploadPic/20095/15/01-80s.jpg)
PHP结构型模式之享元模式详解
asp日期转换成汉字格式程序
asp如何处理页面执行时发生的错误?
pandas如何解决excel科学计数法问题
如何从数据库断开recordset,提高运行速度?
分支任务:从哪里来,回哪里去
![](https://img.aspxhome.com/file/UploadPic/20099/4/3819638990_da91f304b0-56s.jpg)
Django 拆分model和view的实现方法
![](https://img.aspxhome.com/file/2023/5/80595_0s.jpg)
Python机器学习性能度量利用鸢尾花数据绘制P-R曲线
![](https://img.aspxhome.com/file/2023/5/82905_0s.png)
Python编程使用tkinter模块实现计算器软件完整代码示例
![](https://img.aspxhome.com/file/2023/5/95595_0s.jpg)