您好,登錄后才能下訂單哦!
這篇文章主要介紹了命令行運(yùn)行Python腳本時傳入?yún)?shù)的方式有哪些,具有一定借鑒價值,感興趣的朋友可以參考下,希望大家閱讀完這篇文章之后大有收獲,下面讓小編帶著大家一起了解一下。
如果在運(yùn)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 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(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,最后一個是tensorflow提供的便捷方式(只是在命令行執(zhí)行時看上去跟第二個相同,源碼部分的區(qū)別見下)。
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 sys gpus = sys.argv[1] #gpus = [int(gpus.split(','))] batch_size = sys.argv[2] print(gpus, type(gpus)) print(batch_size, type(batch_size))
執(zhí)行結(jié)果:
D:\projects\Pycharm Projects\some-toys\something_else>python argv_test.py 1,0,2 10 1,0,2 <class 'str'> 10 <class 'str'>
argparse
import argparse parser = 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.gpus, type(args.gpus)) print(args.batch_size, type(args.batch_size))
執(zhí)行結(jié)果:
D:\projects\Pycharm Projects\some-toys\something_else>python argv_test.py --gpus=0,1,2 --batch-size=20 0,1,2 <class 'str'> 20 <class 'int'>
需要注意的是,腳本運(yùn)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=True python script.py --bool-val=False # args.bool_val=True python script.py --bool-val= # args.bool_val=什么都不寫False
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
對應(yīng)的python代碼為:
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(diǎn)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(yīng)str, int,bool,float類型的參數(shù)。這里對bool的解析比較嚴(yán)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(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。
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。
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 )
tf.app.flags只是對argpars的簡單封裝。
感謝你能夠認(rèn)真閱讀完這篇文章,希望小編分享的“命令行運(yùn)行Python腳本時傳入?yún)?shù)的方式有哪些”這篇文章對大家有幫助,同時也希望大家多多支持億速云,關(guān)注億速云行業(yè)資訊頻道,更多相關(guān)知識等著你來學(xué)習(xí)!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。