三種常用的方式

如果在運行python腳本時需要傳入一些參數(shù)，例如gpus與batch_size，可以使用如下三種方式。

python script.py 0,1,2 10python script.py -gpus=0,1,2 --batch-size=10python script.py -gpus=0,1,2 --batch_size=10
1
2
3

這三種格式對應(yīng)不同的參數(shù)解析方式，分別為sys.argv, argparse, tf.app.run, 前兩者是python自帶的功能，后者是tensorflow提供的便捷方式。

sys.argv

sys模塊是很常用的模塊， 它封裝了與python解釋器相關(guān)的數(shù)據(jù)，例如sys.modules里面有已經(jīng)加載了的所有模塊信息，sys.path里面是PYTHONPATH的內(nèi)容，而sys.argv則封裝了傳入的參數(shù)數(shù)據(jù)。
使用sys.argv接收上面第一個命令中包含的參數(shù)方式如下：

import sysgpus = sys.argv[1]#gpus = [int(gpus.split(','))]batch_size = sys.argv[2]print gpusprint batch_size
1
2
3
4
5
6

argparse

import argparseparser = argparse.ArgumentParser(description='manual to this script')parser.add_argument('--gpus', type=str, default = None)parser.add_argument('--batch-size', type=int, default=32)args = parser.parse_args()print args.gpusprint args.batch_size
1
2
3
4
5
6
7

需要注意的是，腳本運行命令python script.py -gpus=0,1,2 --batch-size=10中的--batch-size會被自動解析成batch_size.
parser.add_argument 方法的type參數(shù)理論上可以是任何合法的類型， 但有些參數(shù)傳入格式比較麻煩，例如list，所以一般使用bool, int, str, float這些基本類型就行了，更復(fù)雜的需求可以通過str傳入，然后手動解析。bool類型的解析比較特殊，傳入任何值都會被解析成True，傳入空值時才為False

python script.py --bool-val=0 # args.bool_val=Truepython script.py --bool-val=False # args.bool_val=Truepython script.py --bool-val=     # args.bool_val=什么都不寫False
1
2
3

通過這個方法還能指定命令的幫助信息。具體請看API文檔：https://docs.python.org/2/library/argparse.html

tf.app.run

tensorflow也提供了一種方便的解析方式。
腳本的執(zhí)行命令為：

python script.py -gpus=0,1,2 --batch_size=10
1

對應(yīng)的python代碼為：

import tensorflow as tftf.app.flags.DEFINE_string('gpus', None, 'gpus to use')tf.app.flags.DEFINE_integer('batch_size', 5, 'batch size')FLAGS = tf.app.flags.FLAGSdef main(_):    print FLAGS.gpus    print FLAGS.batch_sizeif __name__=="__main__":    tf.app.run()
1
2
3
4
5
6
7
8
9
10
11
12

有幾點需要注意：

1. tensorflow只提供以下幾種方法：
   tf.app.flags.DEFINE_string，
   tf.app.flags.DEFINE_integer,
   tf.app.flags.DEFINE_boolean,
   tf.app.flags.DEFINE_float 四種方法，分別對應(yīng)str, int,bool,float類型的參數(shù)。這里對bool的解析比較嚴格，傳入1會被解析成True，其余任何值都會被解析成False。
2. 腳本中需要定義一個接收一個參數(shù)的main方法：def main(_):，這個傳入的參數(shù)是腳本名，一般用不到， 所以用下劃線接收。
3. 以batch_size參數(shù)為例，傳入這個參數(shù)時使用的名稱為--batch_size，也就是說，中劃線不會像在argparse 中一樣被解析成下劃線。
4. tf.app.run()會尋找并執(zhí)行入口腳本的main方法。也只有在執(zhí)行了tf.app.run()之后才能從FLAGS中取出參數(shù)。
   從它的簽名來看，它也是可以自己指定需要執(zhí)行的方法的，不一定非得叫main：

run(    main=None,    argv=None)
1
2
3
4

5 . tf.app.flags只是對argpars的簡單封裝。代碼見https://github.com/tensorflow/tensorflow/blob/r1.2/tensorflow/python/platform/flags.py