TF之TF flags：TF flags(命令行解析)的簡介、安裝、使用方法之詳細(xì)攻略

?

?

目錄

TF flags的簡介

TF flags的安裝

TF flags的使用方法

---

?

?

TF flags的簡介

?1、flags可以幫助我們通過命令行來動態(tài)的更改代碼中的參數(shù)。Tensorflow 使用flags定義命令行參數(shù)的方法。ML的模型中有大量需要tuning的超參數(shù)，所以此方法，迎合了需要一種靈活的方式對代碼某些參數(shù)進行調(diào)整的需求
(1)、比如，在這個py文件中，首先定義了一些參數(shù)，然后將參數(shù)統(tǒng)一保存到變量FLAGS中，相當(dāng)于賦值，后邊調(diào)用這些參數(shù)的時候直接使用FLAGS參數(shù)即可
(2)、基本參數(shù)類型有三種flags.DEFINE_integer、flags.DEFINE_float、flags.DEFINE_boolean。
(3)、第一個是參數(shù)名稱，第二個參數(shù)是默認(rèn)值，第三個是參數(shù)描述

2、使用過程
#第一步，調(diào)用flags = tf.app.flags，進行定義參數(shù)名稱，并可給定初值、參數(shù)說明
#第二步，flags參數(shù)直接賦值
#第三步，運行tf.app.run()

import tensorflow as tf#第一個是參數(shù)名稱，第二個參數(shù)是默認(rèn)值，第三個是參數(shù)描述#第一步，調(diào)用flags = tf.app.flags，進行定義參數(shù)名稱，并可給定初值、參數(shù)說明 flags = tf.app.flags flags.DEFINE_integer("epoch", 25, "Epoch to train [25]") flags.DEFINE_float("learning_rate", 0.0002, "Learning rate of for adam [0.0002]") flags.DEFINE_float("beta1", 0.5, "Momentum term of adam [0.5]") flags.DEFINE_boolean("train", False, "True for training, False for testing [False]") flags.DEFINE_boolean("crop", False, "True for training, False for testing [False]") flags.DEFINE_boolean("visualize", False, "True for visualizing, False for nothing [False]")FLAGS = flags.FLAGSdef main(_):#第二步，flags參數(shù)直接賦值pp.pprint(flags.FLAGS.__flags)if FLAGS.input_width is None:FLAGS.input_width = FLAGS.input_heightif FLAGS.output_width is None:FLAGS.output_width = FLAGS.output_heightif not os.path.exists(FLAGS.checkpoint_dir):os.makedirs(FLAGS.checkpoint_dir)if not os.path.exists(FLAGS.sample_dir):os.makedirs(FLAGS.sample_dir)……input_width=FLAGS.input_width,input_height=FLAGS.input_height,output_width=FLAGS.output_width,output_height=FLAGS.output_height,batch_size=FLAGS.batch_size,sample_num=FLAGS.batch_size,y_dim=10,dataset_name=FLAGS.dataset,input_fname_pattern=FLAGS.input_fname_pattern,crop=FLAGS.crop,checkpoint_dir=FLAGS.checkpoint_dir,sample_dir=FLAGS.sample_dir)if FLAGS.train:dcgan.train(FLAGS)else:if not dcgan.load(FLAGS.checkpoint_dir)[0]:raise Exception("[!] Train a model first, then run test mode")if __name__ == '__main__':#第三步，運行tf.app.run()tf.app.run()

?

?

TF flags的安裝

直接從TF中調(diào)用，導(dǎo)入即可使用

import tensorflow as tfflags = tf.app.flags

?

?

TF flags的使用方法

1、第一步，py文件的內(nèi)部函數(shù)的定義
T1、tf定義了tf.app.flags，用于支持接受命令行傳遞參數(shù)，相當(dāng)于接受argv。

import tensorflow as tf#1、第一個是參數(shù)名稱，第二個參數(shù)是默認(rèn)值，第三個是參數(shù)描述 tf.app.flags.DEFINE_string('str_name', 'def_v_1',"descrip1") tf.app.flags.DEFINE_integer('int_name', 10,"descript2") tf.app.flags.DEFINE_boolean('bool_name', False, "descript3")FLAGS = tf.app.flags.FLAGS#必須帶參數(shù)，否則：'TypeError: main() takes no arguments (1 given)'; main的參數(shù)名隨意定義，無要求 def main(_): print(FLAGS.str_name)print(FLAGS.int_name)print(FLAGS.bool_name)if __name__ == '__main__':tf.app.run() #2、執(zhí)行main函數(shù)

T2、一個簡單的示例程序來展示如何使用 command line flags，除了使用 absl 外，還可以使用?argparser。比如定義下邊文件名稱為test_flags.py

from absl import flags from absl import appFLAGS = flags.FLAGS#1、第一個是參數(shù)名稱，第二個參數(shù)是默認(rèn)值，第三個是參數(shù)描述 flags.DEFINE_string('model', None, 'model to run')def main(argv):print('Hello World')print('selected model', FLAGS.model)if __name__ == '__main__':app.run(main) #2、執(zhí)行main函數(shù)

2、第二步，在命令行中運行上邊的示例程序

# 1、運行示例程序 python test_flags.py# 2、更改相應(yīng)參數(shù) python test_flags.py --model "My model"# 3、獲得幫助信息 python test_flags.py -help python test_flags.py -helpfull

?

?

?

?

?

?

《新程序員》：云原生和全面數(shù)字化實踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的TF之TF flags：TF flags(命令行解析)的简介、安装、使用方法之详细攻略的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。