Tensorflow使用flags定義指令行參數詳解

TensorFlow定義了tf.app.flags，用于支援接受指令行傳遞參數，相當于接受argv，詳細用法請看代碼中的注釋

例一：

import tensorflow as tf

##第一個是參數名稱，第二個參數是預設值，第三個是參數描述
tf.app.flags.DEFINE_string('str_name', 'def_v_1',"descrip1")
tf.app.flags.DEFINE_integer('int_name', ,"descript2")
tf.app.flags.DEFINE_boolean('bool_name', False, "descript3")
FLAGS = tf.app.flags.FLAGS
##必須帶參數，否則：'TypeError: main() takes no arguments (1 given)';   ##main的參數名随意定義，無要求
def main(_):  
    print(FLAGS.str_name)
    print(FLAGS.int_name)
    print(FLAGS.bool_name)

if __name__ == '__main__':
    tf.app.run()  #tf.app.run()的作用：先處理flag解析，然後執行main函數，
           

例二：

import tensorflow as tf
flags = tf.flags #flags是一個檔案：flags.py，用于處理指令行參數的解析工作
logging = tf.logging

#調用flags内部的DEFINE_string函數來制定解析規則
flags.DEFINE_string("para_name_1","default_val", "description")
flags.DEFINE_bool("para_name_2","default_val", "description")

#FLAGS是一個對象，儲存了解析後的指令行參數
FLAGS = flags.FLAGS

def main(_):
    FLAGS.para_name #調用指令行輸入的參數

if __name__ == "__main__": #使用這種方式保證了，如果此檔案被其它檔案import的時候，不會執行main中的代碼

    tf.app.run() #解析指令行參數，調用main函數 main(sys.argv)
'''
調用方法，在指令行視窗中輸入：
~/ python script.py --para_name_1=name --para_name_2=name2
# 不傳的話，會使用預設值
'''
           

例三：

#coding:utf-8
import tensorflow as tf

FLAGS = tf.app.flags.FLAGS
# tf.app.flags.DEFINE_string("param_name", "default_val", "description")
tf.app.flags.DEFINE_string("train_data_path", "/home/feige", "training data dir")
tf.app.flags.DEFINE_string("log_dir", "./logs", " the log dir")
tf.app.flags.DEFINE_integer("train_batch_size", , "batch size of train data")
tf.app.flags.DEFINE_integer("test_batch_size", , "batch size of test data")
tf.app.flags.DEFINE_float("learning_rate", , "learning rate")

def main(unused_argv):
    train_data_path = FLAGS.train_data_path
    print("train_data_path", train_data_path)
    train_batch_size = FLAGS.train_batch_size
    print("train_batch_size", train_batch_size)
    test_batch_size = FLAGS.test_batch_size
    print("test_batch_size", test_batch_size)
    size_sum = tf.add(train_batch_size, test_batch_size)
    with tf.Session() as sess:
        sum_result = sess.run(size_sum)
        print("sum_result", sum_result)

# 使用這種方式保證了，如果此檔案被其他檔案 import的時候，不會執行main 函數
if __name__ == '__main__':
    tf.app.run()   # 解析指令行參數，調用main 函數 main(sys.argv)
           

如果需要修改預設參數的值，則在指令行傳入自定義參數值即可，若全部使用預設參數值，則可直接在指令行運作該 python 檔案。

tf.app.run() 真正運作原理，還需查閱其源代碼：

def run(main=None, argv=None):
  """Runs the program with an optional 'main' function and 'argv' list."""
  f = flags.FLAGS

  # Extract the args from the optional `argv` list.
  args = argv[:] if argv else None

  # Parse the known flags from that list, or from the command
  # line otherwise.
  # pylint: disable=protected-access
  flags_passthrough = f._parse_flags(args=args)
  # pylint: enable=protected-access

  main = main or sys.modules['__main__'].main

  # Call the main function, passing through any arguments
  # to the final program.
  sys.exit(main(sys.argv[:] + flags_passthrough))
           

flags_passthrough=f._parse_flags(args=args)這裡的_parse_flags就是我們tf.app.flags源碼中用來解析指令行參數的函數。是以這一行就是解析參數的功能；

下面兩行代碼也就是 tf.app.run 的核心意思：執行程式中 main 函數，并解析指令行參數！