[干货|实践] Tensorflow学习 - 使用flags定义命令行参数

学习目的：深度学习神经网络往往有过多的Hyperparameter需要调优，优化算法、学习率、卷积核尺寸等很多参数都需要不断调整，使用命令行参数是非常方便的。有两种实现方式，一是利用python的argparse包，二是调用tensorflow自带的app.flags实现。

利用tf.app.flags组件

tf定义了tf.app.flags，用于接受命令行传递参数，相当于接受argv。首先调用自带的DEFINE_string，DEFINE_boolean DEFINE_integer, DEFINE_float设置不同类型的命令行参数及其默认值。当然，也可以在终端用命令行参数修改这些默认值。

其中参数描述为：

第一个参数	第二个参数	第三个参数
参数名称	默认值	参数描述

import tensorflow as tf

flags = tf.app.flags
############################
#    hyper parameters      #
############################

# For separate margin loss
flags.DEFINE_float('m_plus', 0.9, 'the parameter of m plus')
flags.DEFINE_float('m_minus', 0.1, 'the parameter of m minus')
flags.DEFINE_float('lambda_val', 0.5, 'down weight of the loss for absent digit classes')
FLAGS = tf.app.flags.FLAGS

def main(_):
    print(FLAGS.m_plus)
    print(FLAGS.m_minus)
    print(lambda_val)
if __name__ == '__main__':
    tf.app.run()  #执行main函数    

执行：

root:~/Tensorflowexample$ python flags_example.py 
0.9
0.1
0.5
root:~/Tensorflowexample$ python flags_example.py
root:~/Tensorflowexample$ python flags_example.py --m_plus 1.0 --m_minus 0.2 --lambad_val 0.9
1.0
0.2
0.5

利用python的argparse包

argparse是python的命令行解析工具，或者说可以在python代码中调用shell的一些命令，从而简化和系统命令之间的交互。tensorflow的一些例子中用argparse来定义一些默认命令，通常是全局变量，也是用作和系统命令之间交互的全局设置。详细介绍参考The Python Standard Library中argparse介绍具体编程时，argparse包的使用方法如下：

1，导入argparse模块

import argparse

2. 创建解析器对象ArgumentParser，可以添加参数

parser=argparse.ArgumentParser(description="This is a example program ")

3. add_argument()方法，用来指定程序需要接受的命令参数

parser.add_argument("--echo",type=str,default='hi',dest='m',help="echo the string you use here")
parser.add_argument("--square",type=int,default= 9 ,dest='n',help="display a square of a given number")
args = parser.parse_args()

定位参数：

parser.add_argument("echo",help="echo the string")

可选参数：
在执行程序的时候，定位参数必选，可选参数可选。

add_argument()常用的参数：

dest：如果提供dest，例如dest=”a”，那么可以通过args.a访问该参数

print(args.m)
print(args.n)

default：设置参数的默认值
action：参数触发的动作
store：保存参数，默认
store_const：保存一个被定义为参数规格一部分的值（常量），而不是一个来自参数解析而来的值。
store_ture/store_false：保存相应的布尔值
append：将值保存在一个列表中。
append_const：将一个定义在参数规格中的值（常量）保存在一个列表中。
count：参数出现的次数

parser.add_argument("-v", "--verbosity", action="count", default=0, help="increase output verbosity")

version：打印程序版本信息
type：把从命令行输入的结果转成设置的类型
choice：允许的参数值

parser.add_argument("-v", "--verbosity", type=int, choices=[0, 1, 2], help="increase output verbosity")

help：参数命令的介绍

例程完整代码如下

import argparse

parser = argparse.ArgumentParser()
parser.add_argument("--echo",type=str,default='hi',dest='m',help="echo the string you use here")
parser.add_argument("--square",type=int,default= 9 ,dest='n',help="display a square of a given number")
args = parser.parse_args()

print(args.m)
print(args.n)

执行：

root:~/Tensorflowexample$ python argparse_example.py
hi
9
root:~/Tensorflowexample$ python argparse_example.py --echo 'hello' --square 4
hello
4

参考：https://www.jianshu.com/p/b8b09084bd1a

---

<个人网页blog已经上线，一大波干货即将来袭：https://faiculty.com/>

/* 版权声明：公开学习资源，只供线上学习，不可转载，如需转载请联系本人 .*/