TensorFlow tf.app&tf.app.flags用法介绍
tf.app.flags
下面介绍 tf.app.flags.FLAGS的使用，主要是在用命令行执行程序时，需要传些参数，其实也就可以理解成对argparse库进行的封装，示例代码如下
- #coding:utf-8
- # 学习使用 tf.app.flags 使用，全局变量
- # 可以再命令行中运行也是比较方便，如果只写 python app_flags.py 则代码运行时默认程序里面设置的默认设置
- # 若 python app_flags.py --train_data_path <绝对路径 train.txt> --max_sentence_len 100
- # --embedding_size 100 --learning_rate 0.05 代码再执行的时候将会按照上面的参数来运行程序
- 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))
- # 使用这种方式保证了，如果此文件被其他文件 import的时候，不会执行main 函数
- if __name__ == '__main__':
- tf.app.run() # 解析命令行参数，调用main 函数 main(sys.argv)
两种调用方式:
方式一：
- python tf_app_flag.py
结果如下：
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()
该函数一般都是出现在这种代码中：
- if __name__ == '__main__':
- tf.app.run()
上述第一行代码表示如果当前是从其它模块调用的该模块程序，则不会运行main函数！而如果就是直接运行的该模块程序，则会运行main函数。
具体第二行的功能从源码开始分析，源码如下：
flags_passthrough=f._parse_flags(args=args)这里的parse_flags就是我们tf.app.flags源码中用来解析命令行参数的函数。所以这一行就是解析参数的功能；
下面两行代码也就是tf.app.run的核心意思：执行程序中main函数，并解析命令行参数！
参考: