運行python腳本時傳入參數的幾種方式

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

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

這三種格式對應不同的參數解析方式，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。

1.sys.argv

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

import sys
gpus = sys.argv[1]
#gpus = [int(gpus.split(','))]
batch_size = sys.argv[2]
print(gpus)
print(batch_size)

2.argparse

import argparse
parser = argparse.ArgumentParser(description='manual to this script')
parser.add_argument("--gpus", type=str, default="0")
parser.add_argument("--batch-size", type=int, default=32)
args = parser.parse_args()
print(args.gpus)
print(args.batch_size)

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參數理論上可以是任何合法的類型， 但有些參數傳入格式比較麻煩，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

3.tf.app.run

import tensorflow as tf
tf.app.flags.DEFINE_string('gpus', None, 'gpus to use')
tf.app.flags.DEFINE_integer('batch_size', 5, 'batch size')

FLAGS = tf.app.flags.FLAGS

def main(_):
    print(FLAGS.gpus)
    print(FLAGS.batch_size)

if __name__=="__main__":
    tf.app.run()

有幾點需要注意：

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str, int,bool,float類型的參數。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。

腳本中需要定義一個接收一個參數的main方法：def main(_):，這個傳入的參數是腳本名，一般用不到， 所以用下划線接收。

以batch_size參數為例，傳入這個參數時使用的名稱為--batch_size，也就是說，中划線不會像在argparse 中一樣被解析成下划線。

tf.app.run()會尋找並執行入口腳本的main方法。也只有在執行了tf.app.run()之后才能從FLAGS中取出參數。
從它的簽名來看，它也是可以自己指定需要執行的方法的，不一定非得叫main：