在jupyter中怎么配置参数args，运行.py中的args

我们在pycharm中经常会配置参数例如这样：

import argparse
parser = argparse.ArgumentParser()
# parser.add_argument('-net', type=str, required=True, help='net type')
parser.add_argument('-gpu', action='store_true', default=True, help='use gpu or not')
parser.add_argument('-b', type=int, default=2, help='batch size for dataloader')
parser.add_argument('-warm', type=int, default=0, help='warm up training phase')
parser.add_argument('-lr', type=float, default=0.001, help='initial learning rate')
parser.add_argument('-resume', action='store_true', default=False, help='resume training')
args = parser.parse_args()

# 在你的代码中使用这些参数值
print(args.gpu)  # 示例，打印是否使用 GPU
print(args.b)  # 示例，打印 batch size
print(args.warm)  # 示例，打印 warm up 训练阶段
print(args.lr)  # 示例，打印学习率
print(args.resume)  # 示例，打印是否恢复训练

输出结果为： 

那么在jupyternotebook中怎么配置参数呢， 

class Args:
    def __init__(self):
        self.gpu = True  # 默认值
        self.b = 2  # 默认值
        self.warm = 0  # 默认值
        self.lr = 0.001  # 默认值
        self.resume = False  # 默认值
        self.net = 'vgg16'  # 默认值

args = Args()  # 创建参数对象

# 手动设置参数值，模拟命令行传递参数的行为
args.gpu = True  # 设置是否使用 GPU
args.b = 4  # 设置 batch size
args.warm = 5  # 设置 warm up 训练阶段
args.lr = 0.01  # 设置学习率


# 在你的代码中使用这些参数值
print(args.gpu)  # 示例，打印是否使用 GPU
print(args.b)  # 示例，打印 batch size
print(args.warm)  # 示例，打印 warm up 训练阶段
print(args.lr)  # 示例，打印学习率
print(args.resume)  # 示例，打印是否恢复训练
print(args.net)  # 示例，打印是否恢复训练

 输出结果为

这样在.py文件中配置的一些参数，我们在jupyternotebook中就也可以使用了