深度学习代码块之argparse命令行选项

0 引言

​😄今天毛毛张总结一个深度学习代码块中的一个小知识点argparse,毛毛张认为这个知识点不需要学习太深入,需要用的时候再调用就行。

1 argparse介绍

argparse模块是Python内置的一个用于命令项选项与参数解析的模块,argparse模块可以让人轻松编写用户友好的命令行接口。通过在程序中定义好我们需要的参数,然后argparse将会从sys.argv解析出这些参数。argparse模块还会自动生成帮助和使用手册,并在用户给程序传入无效参数时报出错误信息。

2 argparse使用

三个步骤:

  1. 创建一个解析器 | 创建ArgumentParser()对象
  2. 添加参数 | 调用add_argument()方法添加参数
  3. 解析参数 | 使用parse_args()解析添加的参数
import argparse
# 1.创建一个解析器 | 创建ArgumentParser()对象
parser = argparse.ArgumentParser(description='test')
# 2.添加参数 | 调用add_argument()方法添加参数
parser.add_argument('--sparse', action='store_true', default=False, help='GAT with sparse version')
parser.add_argument('--seed', type=int, default=72, help='Random seed.')
parser.add_argument('--epochs', type=int, default=10000, help='Number of epochs to train.')
# 3.解析参数 | 使用parse_args()解析添加的参数
args = parser.parse_args()
print(args.sparse)
print(args.seed)
print(args.epochs)

1.创建对象

parser = argparse.ArgumentParser(description='test')

解释:ArgumentParser对象包含将命令行解析成Python数据类型所需的全部信息。大多数对ArgumentParser构造方法的调用都会使用description= “关键字参数“,这个参数简要描述这个程度做什么以及怎么做;在帮助消息中,这个描述会显示在命令行用法字符串和各种参数的帮助消息之间。

2.添加参数

parser.add_argument('--sparse', action='store_true', default=False, help='GAT with sparse version')
parser.add_argument('--seed', type=int, default=72, help='Random seed')
parser.add_argument('--epochs', type=int, default=10000, help='Number of epochs to train')

解释: 给一个ArgumentParser添加程序参数信息是通过调用add_argument()方法完成的。通常,这些调用指定ArgumentParser如何获取命令行字符串并将其转换为对象。这些信息在parse_args()调用时被存储和使用。
add_argument() 方法参数:ArgumentParser.add_argument(name or flags...[, action][, nargs][, const][, default][, type][, choices][, required][, help][, metavar][, dest])
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
  • action:命令行遇到参数时的动作,默认值是 store
  • store_const:表示赋值为const
  • default:不指定参数时的默认值
  • type:命令行参数应该被转换成的类型
  • choices:参数可允许的值的一个容器
  • required:可选参数是否可以省略 (仅针对可选参数)
  • help:用来描述获取该参数的帮助,使用-h或者–help命令可以查看帮助,当指定为 argparse.SUPPRESS 时表示不显示该参数的帮助信息
  • dest:解析后的参数名称,默认情况下,对于可选参数选取最长的名称,中划线转换为下划线
  • append:将遇到的值存储成列表,也就是如果参数重复则会保存多个值
  • append_const:将参数规范中定义的一个值保存到一个列表
  • count:计数某一可选参数出现次数
  • nargs:应该读取的命令行参数个数,可以是具体的数字,或者是?号,当不指定值时对于 Positional argument 使用 default,对于 Optional argument 使用 const;或者是 * 号,表示 0 或多个参数;或者是 + 号表示 1 或多个参数
  • const:action 和 nargs 所需要的常量值
  • metavar:在 usage 说明中的参数名称,对于必选参数默认就是参数名称,对于可选参数默认是全大写的参数名称

3.解析参数

args = parser.parse_args()

解释:ArgumentParser通过parse_args()方法解析参数,它将检查命令行,把每个参数转换为适当的类型然后调用相应的操作。在大多数情况下,这意味着一个简单的Namespace对象将从命令行解析出的属性构建。在脚本中,通常parse_args()会被不带参数调用,而ArgumentParser将自动从sys.argv中确定命令行参数。

3 结果测试

import argparse
parser = argparse.ArgumentParser(description='test')
parser.add_argument('--sparse', action='store_true', default=False, help='GAT with sparse version')
parser.add_argument('--seed', type=int, default=72, help='Random seed.')
parser.add_argument('--epochs', type=int, default=10000, help='Number of epochs to train.')
args = parser.parse_args()
print(args.sparse)
print(args.seed)
print(args.epochs)
  • 显示帮助文档:
    在这里插入图片描述
  • 输错命令会告诉你usage用法:
    在这里插入图片描述
  • 使用命令修改参数:
    在这里插入图片描述
  • action='store_true’的使用说明:只要运行时该变量有传参就将该变量设为True。
    在这里插入图片描述

4 报错与问题

1.error: the following arguments are required: xxx

usage: test.py [-h] xxx
test.py: error: the following arguments are required: xxx

原因:

  • args分为可选参数(用--指定)和必选参数(不加--指定)。
  • 如果你定义参数xxx时,没有用--指定,那么该参数为需要在命令行内手动指定。此时即使通过default设置默认参数,也还是会报错。

2.下划线_和横线-的区别

Q1:第一个位置参数假如说是--max_episode_len,然后也有人写是--max-episode-len,但是他在调用的时候仍然用的是args.max_episode_len,也没报错,请问这个下划线_-的区别在哪里呢?
A1:没啥区别,在这里表示同一个意思,-对应_,代码里写的不一样或者都改成一样的都可以

3.debug怎么进行

Q2:这种运行是不是脱离IDE,那debug怎么进行啊?
A2:有linux下,命令行单点调试的方法,python -m pdb test.py

5 完整案例

import argparse

args = argparse.ArgumentParser(description='Personal Information ', epilog='Information end ')
# 必写属性,第一位
args.add_argument("name", type=str, help="Your name")
# 必写属性,第二位
args.add_argument("birth", type=str, help="birthday")
# 可选属性,默认为None
args.add_argument("-r", '--race', type=str, dest="race", help=u"民族")
# 可选属性,默认为0,范围必须在0~150
args.add_argument("-a", "--age", type=int, dest="age", help="Your age", default=0, choices=range(150))
# 可选属性,默认为male
args.add_argument('-s', "--sex", type=str, dest="sex", help='Your sex', default='male', choices=['male', 'female'])
# 可选属性,默认为None,-p后可接多个参数
args.add_argument("-p", "--parent", type=str, dest='parent', help="Your parent", default="None", nargs='*')
# 可选属性,默认为None,-o后可接多个参数
args.add_argument("-o", "--other", type=str, dest='other', help="other Information", required=False, nargs='*')
args = args.parse_args()  # 返回一个命名空间,如果想要使用变量,可用args.attr
print("argparse.args=", args, type(args))
print('name = %s' % args.name)
d = args.__dict__
for key, value in d.iteritems():
    print('%s = %s' % (key, value))

输入命令示例:

python argv_argparse.py -h
python argv_argparse.py xiaoming 1991.11.11
python argv_argparse.py xiaoming 1991.11.11 -p xiaohong xiaohei -a 25 -r han -s female -o 1 2 3 4 5 6

6 参考文献

  • https://blog.csdn.net/qq_34243930/article/details/106517985
  • https://zhuanlan.zhihu.com/p/34395749
  • https://zhuanlan.zhihu.com/p/133285373
  • 21
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
argparse 是一个 Python命令行解析库,可以帮助开发者轻松处理命令行参数。对于深度学习任务,argparse 可以用于解析和处理训练模型时的各种参数设置。 在深度学习中,通常需要设置一些参数,如训练数据路径、模型架构、优化器设置、学习率等。使用 argparse 可以将这些参数作为命令行参数传递给脚本,方便调试和复现实验。 以下是一个使用 argparse 解析深度学习参数的示例代码: ```python import argparse def parse_args(): parser = argparse.ArgumentParser(description='Deep learning training arguments') # 添加需要解析的参数 parser.add_argument('--data_path', type=str, default='./data/', help='Path to training data') parser.add_argument('--model_name', type=str, default='my_model', help='Name of the model') parser.add_argument('--lr', type=float, default=0.001, help='Learning rate') parser.add_argument('--batch_size', type=int, default=64, help='Batch size for training') args = parser.parse_args() return args if __name__ == '__main__': args = parse_args() print(args) # 在这里可以使用 args 训练深度学习模型 ``` 在上述代码中,我们通过 argparse 添加了四个参数:data_path、model_name、lr 和 batch_size。每个参数都可以指定类型、默认值和帮助信息。在 `if __name__ == '__main__'` 的主函数中,我们调用 `parse_args()` 函数来解析命令行参数,并将其存储在 args 对象中。然后,我们可以使用 args 对象来访问和使用这些参数。 例如,在命令行中运行 `python train.py --data_path ./data/ --model_name my_model --lr 0.001 --batch_size 64`,args 对象将会包含这些参数的值。 这样,我们就可以根据命令行传递的参数值来训练深度学习模型,使得代码更具灵活性和可复用性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

神马都会亿点点的毛毛张

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值