基本使用
-
argparse是一个Python模块,包括:命令行选项、参数和子命令解析器
-
主要有三个步骤:
(1)创建解析器:创建ArgumentParser()对象
parser = ArgumentParser() # 实例化一个ArgumentParser对象,用来装填main函数输入
(2)添加参数:调用add_argument()方法添加参数
ArgumentParser.add_argument(name or flags,[action],[nargs],[const],[default],[type],[choices],[required],[help],[metavar],[dest])
其中各选项的意义如下:
name or flags - 一个命名或者一个选项字符串的列表,例如 foo 或 -f, --foo。【注意
-
会被解析为_
,例如写'--resume-from'
的时候,在后面的调用的时候,可以使用下划线来调用:args.resume_from
】,例如:import argparse def paser_args(): paser = argparse.ArgumentParser() paser.add_argument('--Num-count') # 注意这里是短横杠 args = paser.parse_args() return args if __name__ == '__main__': args = paser_args() print(args.Num_count) # 注意这里是下划线,仍能够正常调用
结果为:
(torch) D:\研究生课程\数值分析\第二次作业>python temp.py --Num-count=2 2
action,当参数在命令行中出现时使用的动作基本类型,其实就是一个仿函数,默认值是 store,有
'store_true'
、也可是自定义的仿函数,这个仿函数要继承Action类例如(1):
例如(2):
class DictAction(Action): @staticmethod def _parse_int_float_bool(val): pass @staticmethod def _parse_iterable(val): def find_next_comma(string): pass pass def __call__(self, parser, namespace, values, option_string=None): options = {} for kv in values: key, val = kv.split('=', maxsplit=1) options[key] = self._parse_iterable(val) setattr(namespace, self.dest, options)
store_const,表示赋值为const;
append,将遇到的值存储成列表,也就是如果参数重复则会保存多个值;
append_const,将参数规范中定义的一个值保存到一个列表;
count,存储遇到的次数;此外,也可以继承 argparse.Action 自定义参数解析;
nargs - 应该读取的命令行参数个数,可以是具体的数字,或者是?号,当不指定值时对于 Positional argument 使用 default,对于 Optional argument 使用 const;或者是 * 号,表示 0 或多个参数;或者是 + 号表示 1 或多个参数。
const - action 和 nargs 所需要的常量值。
default - 不指定参数时的默认值。
type - 命令行参数应该被转换成的类型。
choices - 参数可允许的值的一个容器。
required - 可选参数是否可以省略 (仅针对可选参数)。
help - 参数的帮助信息,当指定为 argparse.SUPPRESS 时表示不显示该参数的帮助信息.
metavar - 在 usage 说明中的参数名称,对于必选参数默认就是参数名称,对于可选参数默认是全大写的参数名称.
dest - 解析后的参数名称,默认情况下,对于可选参数选取最长的名称,中划线转换为下划线.
举例:
parser.add_argument('--img', help='Image file') parser.add_argument('--config', help='Config file') parser.add_argument('--checkpoint', help='Checkpoint file') parser.add_argument('--device', default='cuda:0', help='Device used for inference')
(3)解析参数:使用parse_args()解析添加的参数,返回一个args对象,该对象包含如上四个参数的成员属性
args = parser.parse_args() # 返回对象args,这个对象包含如上4个参数的成员属性
-
如何使用这些参数呢?
config = args.config checkpoint = args.checkpoint device = args.device
互斥组
看一个demo:
parser = argparse.ArgumentParser(description='Train a model')
group_gpus = parser.add_mutually_exclusive_group()
group_gpus.add_argument('--device', help='device used for training')
group_gpus.add_argument(
'--gpus',
type=int,
help='number of gpus to use '
'(only applicable to non-distributed training)')
group_gpus.add_argument(
'--gpu-ids',
type=int,
nargs='+',
help='ids of gpus to use '
'(only applicable to non-distributed training)')
据资料所说,group_gpus = parser.add_mutually_exclusive_group()
为创建一个互斥的组。 互斥表达啥意思呢,就是说argparse将确保在命令行上只存在互斥组中的一个参数,例如:
import argparse
def paser_args():
paser = argparse.ArgumentParser()
paser.add_argument('--Num-count')
group_nums = paser.add_mutually_exclusive_group()
group_nums.add_argument('--num-1')
group_nums.add_argument('--num-2')
group_nums.add_argument('--num-3')
args = paser.parse_args()
return args
if __name__ == '__main__':
args = paser_args()
print(args.Num_count)
运行命令如下时,不会报错:
(torch) D:\研究生课程\数值分析\第二次作业>python temp.py --Num-count=2 --num-1=2
2
但再添加一个互斥组中的其他变量时,会报错,如下:
(torch) D:\研究生课程\数值分析\第二次作业>python temp.py --Num-count=2 --num-1=2 --num-2=2
usage: temp.py [-h] [--Num-count NUM_COUNT]
[--num-1 NUM_1 | --num-2 NUM_2 | --num-3 NUM_3]