Tensorflow入门笔记——tf.app.flags.FLAGS用法介绍

参考：https://cloud.tencent.com/developer/article/1395581

tf.app.flags.FLAGS ：用于接受从终端传入的命令行参数，相当于对python中的命令行参数模块optpars做了一层封装。

例子

#coding:utf-8
 
# 学习使用 tf.app.flags 使用，全局变量
# 可以再命令行中运行也是比较方便，如果只写 python app_flags.py 则代码运行时默认程序里面设置的默认设置
# 若 python app_flags.py --train_data_path <绝对路径 train.txt> --max_sentence_len 100
#    --embedding_size 100 --learning_rate 0.05  代码再执行的时候将会按照上面的参数来运行程序
 
import tensorflow as tf
 
FLAGS = tf.app.flags.FLAGS
 
# tf.app.flags.DEFINE_string("param_name", "default_val", "description")
tf.app.flags.DEFINE_string("train_data_path", "/home/yongcai/chinese_fenci/train.txt", "training data dir")
tf.app.flags.DEFINE_string("log_dir", "./logs", " the log dir")
tf.app.flags.DEFINE_integer("max_sentence_len", 80, "max num of tokens per query")
tf.app.flags.DEFINE_integer("embedding_size", 50, "embedding size") 
tf.app.flags.DEFINE_float("learning_rate", 0.001, "learning rate")
 
 
def main(unused_argv):
    train_data_path = FLAGS.train_data_path
    print("train_data_path", train_data_path)
    max_sentence_len = FLAGS.max_sentence_len
    print("max_sentence_len", max_sentence_len)
    embdeeing_size = FLAGS.embedding_size
    print("embedding_size", embdeeing_size)
    abc = tf.add(max_sentence_len, embdeeing_size)
 
    init = tf.global_variables_initializer()
 
    #with tf.Session() as sess:
        #sess.run(init)
        #print("abc", sess.run(abc))
 
    sv = tf.train.Supervisor(logdir=FLAGS.log_dir, init_op=init)
    with sv.managed_session() as sess:
        print("abc:", sess.run(abc))
 
        # sv.saver.save(sess, "/home/yongcai/tmp/")
 
 
# 使用这种方式保证了，如果此文件被其他文件 import的时候，不会执行main 函数
if __name__ == '__main__':
    tf.app.run()   # 解析命令行参数，调用main 函数 main(sys.argv)

调用方法：
① 默认参数调用：执行程序时自动调用程序中 default 中的参数

python app_flags.py

② 修改参数调用：

python app_flags.py --train_data_path <绝对路径 train.txt> --max_sentence_len 100 --embedding_size 100 --learning_rate 0.05

解释

和optpars中的参数类型类似是通过参数 “type=xxx” 定义的，tf中每个合法类型都有对应的 “DEFINE_xxx”函数。常用：

• tf.app.flags.DEFINE_string() ：定义一个用于接收string类型数值的变量;
• tf.app.flags.DEFINE_integer() : 定义一个用于接收int类型数值的变量;
• tf.app.flags.DEFINE_float() ： 定义一个用于接收float类型数值的变量;
• tf.app.flags.DEFINE_boolean() : 定义一个用于接收bool类型数值的变量;

“DEFINE_xxx”函数带3个参数，分别是变量名称，默认值，用法描述，例如：

tf.app.flags.DEFINE_string('ckpt_path', 'model/model.ckpt-100000', '''Checkpoint directory to restore''')

完整例子

定义一个名称是 “ckpt_path” 的变量，默认值是 ckpt_path = ‘model/model.ckpt-100000’，描述信息表明这是一个用于保存节点信息的路径。

# -*- coding=utf-8 -*-
import tensorflow  as tf
FLAGS = tf.app.flags.FLAGS
tf.app.flags.DEFINE_string('ckpt_path', 'model/model.ckpt-100000', '''模型保存路径''')
tf.app.flags.DEFINE_float('learning_rate',0.0001,'''初始学习率''')
tf.app.flags.DEFINE_integer('train_steps', 50000, '''总的训练轮数''')
tf.app.flags.DEFINE_boolean('is_use_gpu', False, '''是否使用GPU''')
print '模型保存路径： {}'.format(FLAGS.ckpt_path)
print '初始学习率： {}'.format(FLAGS.learning_rate)
print '总的训练次数： {}'.format(FLAGS.train_steps)
print '是否使用GPU： {}'.format(FLAGS.is_use_gpu)

使用 ‘-h’ 指令查看帮助信息：

python flags_test.py -h

调用：
① 按默认设置执行程序：

python flags_test.py

② 传入用户自定义的命令行参数：

python flags_test.py --ckpt_path abc/cba --learning_rate 0.001 --train_steps 10000 --is_use_gpu True