1 argparse
argparse 是 Python 内置的一个用于命令项选项与参数解析的模块,通过在程序中定义好我们需要的参数,argparse 将会从 sys.argv 中解析出这些参数,并自动生成帮助和使用信息。
官方教程: https://docs.python.org/2/library/argparse.html#module-argparse.
基本框架:
import argparse
import sys
def main(args):
if args.random_rotate:
print("random_rotate")
if args.random_crop:
print("random_crop")
def parse_arguments(argv):
parser = argparse.ArgumentParser(description="Demo of argparse")
parser.add_argument('models_base_dir', type=str, default='./models/facenet',
help='Directory where to write trained models and checkpoints.')
parser.add_argument('--batch_size', type=int,
help='Number of images to process in a batch.')
parser.add_argument('--image_size', type=int, default=160,
help='Image size (height, width) in pixels.')
parser.add_argument('--random_crop', action='store_true',
help='Performs random cropping of training images.')
parser.add_argument('--random_flip', type=bool, default="True",
help='Performs random horizontal flipping of training images.')
parser.add_argument('--weight_decay', type=float, default=4e-5,
help='L2 weight regularization.')
parser.add_argument('--optimizer', type=str, default='RMSPROP',
choices=['ADAGRAD', 'ADADELTA', 'ADAM', 'RMSPROP', 'MOM'],
help='The optimization algorithm to use')
return parser.parse_args(argv)
if __name__ == '__main__':
main(parse_arguments(sys.argv[1:]))
以上是使用argparse模块获取命令行参数的基本框架,在编程时,可以作为标准范例来使用。该标准范例几乎涵盖了argparse的各种使用方法和技巧,下面将进行详细的讲解。
使用 argparse 的3个步骤:
- 创建 ArgumentParser() 对象
- 调用 add_argument() 方法添加参数
- 使用 parse_args() 解析添加的参数
1.1 生成参数解析器
parser = argparse.ArgumentParser(description="Demo of argparse")
先导入模块argparse
,并利用argparse
中的ArgumentParser
类生成一个parser
对象,该对象即为参数解析器,其中的可选参数description
描述这个参数解析器是干什么的,当我们在命令行显示帮助信息的时候会看到description描述的信息。
1.2 添加参数
使用ArgumentParser
类的add_argument()
方法来添加参数,其调用形式如下:
parser.add_argument(name or flags...[, action][, nargs][, const][, default][, type][, choices][, required][, help][, metavar][, dest])
常用参数解释如下:
- name or flags - 选项字符串的名字或者列表,例如 foo 或者 -f, --foo。
- type - 命令行参数应该被转换成的类型。例如int, str, float, bool。
- default - 不指定参数时的默认值。
- choices - 参数可允许的值的一个容器。
- action - 命令行遇到参数时的动作,默认值是 store。
- required - 可选参数是否可以省略 (仅针对可选参数)。
- help - 参数的帮助信息,当指定为 argparse.SUPPRESS 时表示不显示该参数的帮助信息.
下面进行多组实验,对上述参数的具体用法进行说明
1.2.1 name
import argparse
import sys
def main(args):
print(args.models_base_dir)
print(args.batch_size)
def parse_arguments(argv):
parser = argparse.ArgumentParser()
parser.add_argument('models_base_dir', type=str, default='./models/facenet',
help='Directory where to write trained models and checkpoints.')
parser.add_argument('--batch_size', type=int,
help='Number of images to process in a batch.')
return parser.parse_args(argv)
if __name__ == '__main__':
main(parse_arguments(sys.argv[1:]))
在添加命令行参数时,可指定所添加的参数是否为可选参数:在参数名前有--
的,表示该参数为可选参数,否则为必填参数。如上述代码中,models_base_dir
为必填参数,batch_size
为可选参数。
在运行程序时,必须给出必填参数,否则将报错(不管该参数是否有默认值),如运行上述代码:
python testfile.py
此时会报错:
usage: testfile.py [-h] [--batch_size BATCH_SIZE] models_base_dir
testfile.py: error: the following arguments are required: models_base_dir
上述信息显示了testfile.py的用法:[--batch_size BATCH_SIZE]
是可选参数, models_base_dir
是必填参数。
重新输入:
python src/testfile.py "model_dir"
输出结果(batch_size
没有默认值,也没有给参数,所以为None
):
model_dir
None
参考资料:
[1]: python add_argument()用法解析.
2 将命令行参数保存在txt文件中
作为一个深度学习的调参下,总是需要不断的调整超参数,让模型有更好的性能,于是,我们很有必要将所用超参数保存起来,方便调参。