命令行运行Python脚本时传入参数的三种方式

转载出处. https://blog.csdn.net/weixin_35653315/article/details/72886718

三种常用的方式

如果在运行python脚本时需要传入一些参数，例如gpus与batch_size，可以使用如下三种方式。

1. python script.py 0,1,2 10

2. python script.py -gpus=0,1,2 --batch-size=10

3. python script.py -gpus=0,1,2 --batch_size=10

这三种格式对应不同的参数解析方式，分别为sys.argv, argparse, tf.app.run, 前两者是python自带的功能，后者是tensorflow提供的便捷方式。

sys.argv

sys模块是很常用的模块， 它封装了与python解释器相关的数据，例如sys.modules里面有已经加载了的所有模块信息，sys.path里面是PYTHONPATH的内容，而sys.argv则封装了传入的参数数据。 
使用sys.argv接收上面第一个命令中包含的参数方式如下：

1. import sys

2. gpus = sys.argv[1]

3. #gpus = [int(gpus.split(','))]

4. batch_size = sys.argv[2]

5. print gpus

6. print batch_size

argparse

1. import argparse

2. parser = argparse.ArgumentParser(description='manual to this script')

3. parser.add_argument('--gpus', type=str, default = None)

4. parser.add_argument('--batch-size', type=int, default=32)

5. args = parser.parse_args()

6. print args.gpus

7. print args.batch_size

需要注意的是，脚本运行命令python script.py -gpus=0,1,2 --batch-size=10中的--batch-size会被自动解析成batch_size. 
parser.add_argument 方法的type参数理论上可以是任何合法的类型， 但有些参数传入格式比较麻烦，例如list，所以一般使用bool, int, str, float这些基本类型就行了，更复杂的需求可以通过str传入，然后手动解析。bool类型的解析比较特殊，传入任何值都会被解析成True，传入空值时才为False

1. python script.py --bool-val=0 # args.bool_val=True

2. python script.py --bool-val=False # args.bool_val=True

3. python script.py --bool-val= # args.bool_val=什么都不写False

通过这个方法还能指定命令的帮助信息。具体请看API文档：https://docs.python.org/2/library/argparse.html

tf.app.run

tensorflow也提供了一种方便的解析方式。 
脚本的执行命令为：

python script.py -gpus=0,1,2 --batch_size=10

对应的python代码为：

1. import tensorflow as tf

2. tf.app.flags.DEFINE_string('gpus', None, 'gpus to use')

3. tf.app.flags.DEFINE_integer('batch_size', 5, 'batch size')

4.  

5. FLAGS = tf.app.flags.FLAGS

6.  

7. def main(_):

8. print FLAGS.gpus

9. print FLAGS.batch_size

10.  

11. if __name__=="__main__":

12. tf.app.run()

有几点需要注意：

1. tensorflow只提供以下几种方法： 
   tf.app.flags.DEFINE_string， 
   tf.app.flags.DEFINE_integer, 
   tf.app.flags.DEFINE_boolean, 
   tf.app.flags.DEFINE_float 四种方法，分别对应str, int,bool,float类型的参数。这里对bool的解析比较严格，传入1会被解析成True，其余任何值都会被解析成False。
2. 脚本中需要定义一个接收一个参数的main方法：def main(_):，这个传入的参数是脚本名，一般用不到， 所以用下划线接收。
3. 以batch_size参数为例，传入这个参数时使用的名称为--batch_size，也就是说，中划线不会像在argparse 中一样被解析成下划线。
4. tf.app.run()会寻找并执行入口脚本的main方法。也只有在执行了tf.app.run()之后才能从FLAGS中取出参数。 
   从它的签名来看，它也是可以自己指定需要执行的方法的，不一定非得叫main：

1. run(

2. main=None,

3. argv=None

4. )

5 . tf.app.flags只是对argpars的简单封装。代码见https://github.com/tensorflow/tensorflow/blob/r1.2/tensorflow/python/platform/flags.py