参数解析器argparse的理解

Example

import argparse
# 创建参数解析器
# description="Process some integers.": 当查看更多参数信息的时候(-h)，会出现对这个函数功能的描述
parser = argparse.ArgumentParser(description="Process some integers.")
# integers：成员变量名
# metavar: 别名
# nargs='*': 表示参数可设置0个或多个；nargs='+'：表示参数可设置为1个或N个；nargs='？'：表示参数可设置为0个或1个。默认参数为1个
parser.add_argument('integers', metavar='N',   type=int, nargs='+',
                    help="an integer for the accumulator")

# dest="accumulate" : 函数名为accumulate
# action="store_const"：当有参数传进来时，仅仅存储参数的值
# const=sum：当命令行使用--sum时，调用sum函数，否则调用max函数
parser.add_argument("--sum", dest="accumulate", action="store_const", const=sum,
                    default=max, help="sum the integers(default: find the max)")
# 参数解析器解析参数
args = parser.parse_args()
# 将args.integers参数传递到args.accumulate()函数
print(args.accumulate(args.integers))

Example 2

# Training settings
parser = argparse.ArgumentParser()
parser.add_argument('--no-cuda', action='store_true', default=False,
                    help='Disables CUDA training.')
parser.add_argument('--fastmode', action='store_true', default=False,
                    help='Validate during training pass.')
parser.add_argument('--seed', type=int, default=42, help='Random seed.')
parser.add_argument('--epochs', type=int, default=200,
                    help='Number of epochs to train.')
parser.add_argument('--lr', type=float, default=0.01,
                    help='Initial learning rate.')
parser.add_argument('--weight_decay', type=float, default=5e-4,
                    help='Weight decay (L2 loss on parameters).')
parser.add_argument('--hidden', type=int, default=16,
                    help='Number of hidden units.')
parser.add_argument('--dropout', type=float, default=0.5,
                    help='Dropout rate (1 - keep probability).')

args = parser.parse_args()
# 需要cuda且cuda可用
args.cuda = not args.no_cuda and torch.cuda.is_available()

np.random.seed(args.seed)
# Sets the seed for generating random numbers. Returns a torch.Generator object.
torch.manual_seed(args.seed)
if args.cuda:
    torch.cuda.manual_seed(args.seed)