tf.app.flags

tf 中定义了 tf.app.flags.FLAGS ，用于接受从终端传入的命令行参数，相当于对Python中的命令行参数模块optpars（参考： https://blog.csdn.net/dcrmg/article/details/79495760 ）做了一层封装。

optpars中的参数类型是通过参数 “type=xxx” 定义的，tf中每个合法类型都有对应的 “DEFINE_xxx”函数。常用：

• tf.app.flags.DEFINE_string() ：定义一个用于接收 string 类型数值的变量;
• tf.app.flags.DEFINE_integer() : 定义一个用于接收 int 类型数值的变量;
• tf.app.flags.DEFINE_float() ： 定义一个用于接收 float 类型数值的变量;
• tf.app.flags.DEFINE_boolean() : 定义一个用于接收 bool 类型数值的变量;

 

“DEFINE_xxx”函数带3个参数，分别是变量名称，默认值，用法描述，例如：

tf.app.flags.DEFINE_string('ckpt_path', 'model/model.ckpt-100000', '''Checkpoint directory to restore''')

定义一个名称是 "ckpt_path" 的变量，默认值是 ckpt_path = 'model/model.ckpt-100000'，描述信息表明这是一个用于保存节点信息的路径。
 

 

example：

# -*- coding=utf-8 -*-
 
import tensorflow  as tf
 
FLAGS = tf.app.flags.FLAGS
 
tf.app.flags.DEFINE_string('ckpt_path', 'model/model.ckpt-100000', '''模型保存路径''')
tf.app.flags.DEFINE_float('learning_rate',0.0001,'''初始学习率''')
tf.app.flags.DEFINE_integer('train_steps', 50000, '''总的训练轮数''')
tf.app.flags.DEFINE_boolean('is_use_gpu', False, '''是否使用GPU''')
 
print '模型保存路径： {}'.format(FLAGS.ckpt_path)
print '初始学习率： {}'.format(FLAGS.learning_rate)
print '总的训练次数： {}'.format(FLAGS.train_steps)
print '是否使用GPU： {}'.format(FLAGS.is_use_gpu)

 

 

使用 '-h' 指令查看帮助信息：

python flags_test.py -h

 

按默认设置执行程序：

 

传入用户自定义的命令行参数：

python flags_test.py --ckpt_path abc/cba --learning_rate 0.001 --train_steps 10000 --is_use_gpu True