Python命令行解析Argparse模块常用语法使用简介及详细实例

下面介绍下例子代码。

1、导入argparse模块

2、创建解析器对象ArgumentParser，可以添加参数。

description：描述程序

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

add_help：默认是True，可以设置False禁用

3、add_argument()方法，用来指定程序需要接受的命令参数

定位参数：

parser.add_argument(“echo”,help=“echo the string”)

可选参数：

parser.add_argument("–verbosity", help=“increase output verbosity”)

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

default：设置参数的默认值

action：参数出发的动作

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

---

以上部分来自以下博客，感谢博主
作者：qq_wuqingdefeng
来源：CSDN
原文：https://blog.csdn.net/zhaoluruoyan89/article/details/82350365

具体实例
以faster rcnn代码中的命令行解析为例：

#coding=utf-8
import argparse
import sys
 
def parse_args():
  parser = argparse.ArgumentParser(description='Train a Fast R-CNN network')
  parser.add_argument('--cfg', dest='cfg_file',help='optional config file',default=None, type=str)
  parser.add_argument('--weight', dest='weight',help='initialize with pretrained model weights',type=str)
  parser.add_argument('--imdb', dest='imdb_name',help='dataset to train on',default='voc_2007_trainval', type=str)
  parser.add_argument('--imdbval', dest='imdbval_name',help='dataset to validate on',default='voc_2007_test', type=str)
  parser.add_argument('--iters', dest='max_iters',help='number of iterations to train',default=70000, type=int)
  parser.add_argument('--tag', dest='tag',help='tag of the model',default=None, type=str)
  parser.add_argument('--net', dest='net',help='vgg16, res50, res101, res152, mobile',default='res50', type=str)
  parser.add_argument('--set', dest='set_cfgs',help='set config keys', default=None,nargs=argparse.REMAINDER)
 
  if len(sys.argv) == 1:
    parser.print_help()
    sys.exit(1)
  args = parser.parse_args()
  return args
 
if __name__ == '__main__':
  args = parse_args()
  print(args)

将以上代码保存为test.py，然后在命令行输入：python test.py
结果为：
usage: test.py [-h] [–cfg CFG_FILE] [–weight WEIGHT] [–imdb IMDB_NAME]
[–imdbval IMDBVAL_NAME] [–iters MAX_ITERS] [–tag TAG]
[–net NET] [–set …]

Train a Fast R-CNN network

optional arguments:
-h, --help show this help message and exit
–cfg CFG_FILE optional config file
–weight WEIGHT initialize with pretrained model weights
–imdb IMDB_NAME dataset to train on
–imdbval IMDBVAL_NAME
dataset to validate on
–iters MAX_ITERS number of iterations to train
–tag TAG tag of the model
–net NET vgg16, res50, res101, res152, mobile
–set … set config keys
在命令行输入:

python test.py --weight data/imagenet_weights/vgg16.ckpt \
      		--imdb voc_2007_trainval  \
      		--imdbval voc_2007_test  \
      		--iters 7000   \
      		--cfg experiments/cfgs/vgg16.yml \
      		--net vgg16            \
      		--set ANCHOR_SCALES "[8,16,32]" ANCHOR_RATIOS "[0.5,1,2]" TRAIN.STEPSIZE "[50000]"

结果为：
Namespace(cfg_file=‘experiments/cfgs/vgg16.yml’,imdb_name=‘voc_2007_trainval’,imdbval_name=‘voc_2007_test’, max_iters=7000, net=‘vgg16’, set_cfgs=[‘ANCHOR_SCALES’, ‘[8,16,32]’, ‘ANCHOR_RATIOS’, ‘[0.5,1,2]’, ‘TRAIN.STEPSIZE’, ‘[50000]’], tag=None, weight=‘data/imagenet_weights/vgg16.ckpt’)

---

该部分来自此作者
作者：蓬莱道人
来源：CSDN
原文：https://blog.csdn.net/MOU_IT/article/details/81782386