深度学习项目中在yaml文件中定义配置，以及使用的python的PyYAML库包读取解析yaml配置文件

1 yaml说明介绍

1.1 yaml介绍

1、百度百科对YAML解释

YAML是"YAML Ain't a Markup Language"（YAML不是一种标记语言）的递归缩写。在开发的这种语言时，YAML 的意思其实是："Yet Another Markup Language"仍是一种标记语言），但为了强调这种语言以数据做为中心，而不是以标记语言为重点，而用反向缩略语重命名。

YAML是一种数据序列化格式，优点是：

• 对于人类可读性更友好
• 方便与脚本语言进行交互使用

1.2 YAML 相关网址

• yaml官网：https://yaml.org/
• yaml语法介绍及使用——菜鸟
• YAML教程——阮一峰

2 YAML的python包PyYAML的使用

2.1 关于PyYAML的相关网址

PyYAML是关于一个操作yaml文件的python库包，相关网址如下：

• PyYAML的pypi网址：https://pypi.org/project/PyYAML/

• PyYAML的github官网：https://github.com/yaml/pyyaml

2.2 安装PyYAML

1、安装yaml的python库包：PyYAML

pip install PyYAML

2、安装注意：

• 1）虽然，在使用的时候是import yaml，但是安装的时候并不是直接安装yaml名的库包：pip install yaml这种安装方法是错误的，因为安装的并不是PyYAML库包
• 2）在导入使用的时候，导入的名称为yaml，python中有很多这种安装包名和导入包名不一致的库包，例如opencv，我猜测可能是有人提前在pypi官网上传了某包名，因此导致被占用！

2.3 PyYAML快速使用

1、config.yaml配置文件中定义的可配值信息：

# train parameters setting
optimization: Adam
learning_rate: 0.001
batch_size: 64
epoch: 200

2、使用PyYAML模块解析config.yaml配置文件，主要步骤如下：

• 使用open()打开config.yaml配置文件，然后使用read()读取
• 使用yaml.load(stream, Loader)加载读取的配置文件数据，生成一个y的对象
• 使用字典的形式访问生成的y对象中的配置信息

具体实现代码如下：

import yaml

yaml_path = "./config.yaml"

def read_yaml(yaml_path):
    # 使用open()函数读取config.yaml文件
    yaml_file = open(yaml_path, "r", encoding="utf-8")
    # 读取文件中的内容
    file_data = yaml_file.read()
    print(f"file_date type: {type(file_data)}\nfile_date value:\n{file_data}")
    yaml_file.close()

    # 加载数据流，返回字典类型数据
    y = yaml.load(file_data, Loader=yaml.FullLoader)
    print(f"y data type: {type(y)}\ny data value: {y}")

    # 下面就可以使用字典访问配置文件中的数据了
    print(f"optimization: {y['optimization']}")
    print(f"learning_rate: {y['learning_rate']}")
    print(f"batch_size: {y['batch_size']}")
    print(f"epoch: {y['epoch']}")

    optimization = y['optimization']
    learning_rate = y['learning_rate']
    batch_size = y['batch_size']
    epoch = y['epoch']

    print(type(optimization))
    print(type(learning_rate))
    return optimization, learning_rate, batch_size, epoch



if __name__ == '__main__':
    read_yaml(yaml_path)

输出结果

file_date type: <class 'str'>
file_date value:
# train parameters setting
optimization: Adam
learning_rate: 0.001
batch_size: 64
epoch: 200

y data type: <class 'dict'>
y data value: {'optimization': 'Adam', 'learning_rate': 0.001, 'batch_size': 64, 'epoch': 200}

optimization: Adam
learning_rate: 0.001
batch_size: 64
epoch: 200
<class 'str'>
<class 'float'>

##2.4 PyYAML使用参考

• 参考1
• 参考2
• 参考3

欢迎大家关注笔者，你的关注是我持续更博的最大动力

原创文章，转载告知，盗版必究
微信：suihailiang0816 QQ：931762054 wx公众号：仰望星空的小随