parse_args的使用:

python — argparse模块，及Pycharm传递参数给argparse

argparse 模块可以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。
一、argparse用法

    主要有三个步骤：
        创建 ArgumentParser() 对象
        调用 add_argument() 方法添加参数
        使用 parse_args() 解析添加的参数

    示例demo如下：
    以深度学习中经常出项的的演示demo为例

    # 导入包
    import argparse

    # 创建解析器
    ap = argparse.ArgumentParser()
    # 添加位置参数(positional arguments)
    ap.add_argument("-i", "--input", required=True,
                    help="path to the input folder")
    ap.add_argument("-m", "--model", required=True,
                    help="path to the model file")
    args = vars(ap.parse_args())
    print(args)
    print(args["input"],args["model"])

用来创建参数的对象.

注意的是,怎么去使用.

parser.add_argument('config', help='test config file path')

1.最常见的代码中,把这些传入参数都以这个--开头,这个其实这个语法默认的就是非必须参数,然后呢,你可以通过在edit配置(我猜测 必选的参数只能配置一个,这个可选的可以任意多少个).

你如果不配置,你直接run就是用的它的default的值.

2不已这个--开头的,则默认为是必须传入的参数,这个就不能用required 因为他;本来就是必选的,所以这时候,最好加--则可以直接在后面 default 传入参数去run.

还有open-mmlab里面的demo样例,在终端上输指令跑的话是ok的.但是改了配置啥的之后,run.会报错,不是你的配置没配好.

results[key] = torch.stack(results[key], dim=0)
RuntimeError: stack expects a non-empty TensorList

而且这个runtimeError就算你try了,后面还有其他错误.