【Python】argparse.ArgumentParser()使用方法

最新推荐文章于 2024-07-30 12:03:08 发布

小明2766

最新推荐文章于 2024-07-30 12:03:08 发布

阅读量696

点赞数

分类专栏： Python 文章标签： python

原文链接：https://blog.csdn.net/The_Time_Runner/article/details/97941409

版权

Python 专栏收录该内容

14 篇文章 0 订阅

订阅专栏

本文介绍了Python的argparse模块，用于解析命令行选项和参数。首先，通过ArgumentParser创建解析器，然后使用add_argument方法添加参数。接着，调用parse_args()解析参数。最后，argparse解析后的结果在Meta类的初始化中被使用，以设置学习率等关键参数。此用法常见于配置文件的动态读取。

摘要由CSDN通过智能技术生成

argparse.ArgumentParser()

argparse是一个Python模块：命令行选项、参数和子命令解析器。

argparse 模块可以让人轻松编写用户友好的命令行接口。程序定义它需要的参数，然后 argparse 将弄清如何从 sys.argv 解析出那些参数。 argparse 模块还会自动生成帮助和使用手册，并在用户给程序传入无效参数时报出错误信息。

使用流程

1 创建解析器

parser = argparse.ArgumentParser()

使用 argparse 的第一步是创建一个 ArgumentParser 对象。

ArgumentParser 对象包含将命令行解析成 Python 数据类型所需的全部信息。

2 添加参数

    argparser.add_argument('--epoch', type=int, help='epoch number', default=60000)
    argparser.add_argument('--n_way', type=int, help='n way', default=5)
    argparser.add_argument('--k_spt', type=int, help='k shot for support set', default=1)
    argparser.add_argument('--k_qry', type=int, help='k shot for query set', default=15)
    argparser.add_argument('--imgsz', type=int, help='imgsz', default=84)
    argparser.add_argument('--imgc', type=int, help='imgc', default=3)
    argparser.add_argument('--task_num', type=int, help='meta batch size, namely task num', default=4)
    argparser.add_argument('--meta_lr', type=float, help='meta-level outer learning rate', default=1e-3)
    argparser.add_argument('--update_lr', type=float, help='task-level inner update learning rate', default=0.01)
    argparser.add_argument('--update_step', type=int, help='task-level inner update steps', default=5)
    argparser.add_argument('--update_step_test', type=int, help='update steps for finetunning', default=10)

给一个 ArgumentParser 添加程序参数信息是通过调用 add_argument() 方法完成的。

3 解析参数

args = argparser.parse_args()
print(args)

ArgumentParser 通过 parse_args() 方法解析参数。

打印结果如下：

Namespace(epoch=60000, imgc=3, imgsz=84, k_qry=15, k_spt=1, meta_lr=0.001, n_way=5, task_num=4, update_lr=0.01, update_step=5, update_step_test=10)

在学习MAML的pytorch实现时，我发现有这种用法：

maml = Meta(args, config)

再看看Meta类的实现：

class Meta(nn.Module):
    """
    Meta Learner
    """
    def __init__(self, args, config):
        """
        :param args:
        """
        super(Meta, self).__init__()

        self.update_lr = args.update_lr
        self.meta_lr = args.meta_lr
        self.n_way = args.n_way
        self.k_spt = args.k_spt
        self.k_qry = args.k_qry
        self.task_num = args.task_num
        self.update_step = args.update_step
        self.update_step_test = args.update_step_test


        self.net = Learner(config, args.imgc, args.imgsz)
        self.meta_optim = optim.Adam(self.net.parameters(), lr=self.meta_lr)
    #...