查看SSD实现代码时学习的API

1. tf.app.run()和tf.app.flags.DEFINE_float()、tf.app.flags.DEFINE_integer()、tf.app.flags.DEFINE_string()

tf.app.run()   此函数一般不传入参数，直接调用

tf.app.flags.DEFINE_float()   传入所需要的参数名称，参数值，同时还可已传入参数说明，其中参数值的类型与所使用的函数类型一致，即函数名称中DEFINE后所跟的类型，参数名称和参数说明需用字符串类型('illustration')。

在代码中使用tf.app.run()处理flag解析，然后执行主函数，在执行main函数之前首先进行flags的解析，也就是说Tensorflow通过设置flags来传递tf.app.run()所需的参数，可以直接在程序运行前初始化flags,也可以再运行程序的时候设置命令行参数来达到传参的目的。

下面是一段实际使用的代码

import tensorflow as tf
tf.app.flags.DEFINE_float('learning_rate', 0.01, 'Intital learning rate')
tf.app.flags.DEFINE_integer('batch_size', 50, 'num of per SGD ')
tf.app.flags.DEFINE_string('data_path', './data/', 'data save path')
FLAGS = tf.app.flags.flags()
def main():
  learning rate = FLAGS.learning_rate
  batch size = FLAGS.batch_size
  image path = FLAGS.data_path
if _name_ == 'main':
  tf.app.run()

此段代码在程序运行前初始化flags，然后使用tf.app.run()处理flag解析。

2.tf.logging.set_verbosity() 为将要记录的日志设置入口

tf.logging.set_verbosity(tf.logging.DEBUG)