TensorFlow tf.app&tf.app.flags用法介紹
tf.app.flags
下面介紹 tf.app.flags.FLAGS的使用，主要是在用命令行執行程序時，需要傳些參數，其實也就可以理解成對argparse庫進行的封裝，示例代碼如下
- #coding:utf-8
- # 學習使用 tf.app.flags 使用，全局變量
- # 可以再命令行中運行也是比較方便，如果只寫 python app_flags.py 則代碼運行時默認程序里面設置的默認設置
- # 若 python app_flags.py --train_data_path <絕對路徑 train.txt> --max_sentence_len 100
- # --embedding_size 100 --learning_rate 0.05 代碼再執行的時候將會按照上面的參數來運行程序
- 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", "/desktop/train.txt", "training data dir")
- tf.app.flags.DEFINE_string("log_dir", "./logs", " the log dir")
- tf.app.flags.DEFINE_integer("max_sentence_len", 80, "max num of tokens per query")
- tf.app.flags.DEFINE_integer("embedding_size", 50, "embedding size")
- tf.app.flags.DEFINE_float("learning_rate", 0.001, "learning rate")
- def main(unused_argv):
- train_data_path = FLAGS.train_data_path
- print("train_data_path", train_data_path)
- print("*" * 30)
- max_sentence_len = FLAGS.max_sentence_len
- print("max_sentence_len", max_sentence_len)
- print("*" * 30)
- embdeeing_size = FLAGS.embedding_size
- print("embedding_size", embdeeing_size)
- print("*" * 30)
- abc = tf.add(max_sentence_len, embdeeing_size)
- init = tf.global_variables_initializer()
- with tf.Session() as sess:
- sess.run(init)
- print("abc", sess.run(abc))
- # 使用這種方式保證了，如果此文件被其他文件 import的時候，不會執行main 函數
- if __name__ == '__main__':
- tf.app.run() # 解析命令行參數，調用main 函數 main(sys.argv)
兩種調用方式:
方式一：
- python tf_app_flag.py
結果如下：
方式二：
- python app_flags.py --train_data_path ./test.py --max_sentence_len 100 --embedding_size 100 --learning_rate 0.05
tf.app.run()
該函數一般都是出現在這種代碼中：
- if __name__ == '__main__':
- tf.app.run()
上述第一行代碼表示如果當前是從其它模塊調用的該模塊程序，則不會運行main函數！而如果就是直接運行的該模塊程序，則會運行main函數。
具體第二行的功能從源碼開始分析，源碼如下：
flags_passthrough=f._parse_flags(args=args)這里的parse_flags就是我們tf.app.flags源碼中用來解析命令行參數的函數。所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：執行程序中main函數，並解析命令行參數！
參考: