如果在运行python脚本时需要传入一些参数，例如gpus与batch_size，可以使用如下三种方式。

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

这三种格式对应不同的参数解析方式，分别为sys.argv, argparse, tf.app.run, 前两者是python自带的功能，最后一个是tensorflow提供的便捷方式(只是在命令行执行时看上去跟第二个相同，源码部分的区别见下)。

sys.argv

sys模块是很常用的模块， 它封装了与python解释器相关的数据，例如sys.modules里面有已经加载了的所有模块信息，

sys.path里面是PYTHONPATH的内容，而sys.argv则封装了传入的参数数据。

使用sys.argv接收上面第一个命令中包含的参数方式如下：

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

执行结果：

D:\projects\Pycharm Projects\some-toys\something_else>python argv_test.py 1,0,2 101,0,2 <class 'str'>10 <class 'str'>

argparse

import argparseparser = 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))

执行结果：

D:\projects\Pycharm Projects\some-toys\something_else>python argv_test.py --gpus=0,1,2 --batch-size=200,1,2 <class 'str'>20 <class 'int'>

需要注意的是，脚本运行命令python script.py --gpus=0,1,2 --batch-size=10中的batch-size会被自动解析成batch_size.
parser.add_argument 方法的type参数理论上可以是任何合法的类型， 但有些参数传入格式比较麻烦，例如list，所以一般使用bool, int, str, float这些基本类型就行了，更复杂的需求可以通过str传入，然后手动解析。bool类型的解析比较特殊，传入任何值都会被解析成True，传入空值时才为False

python script.py --bool-val=0 # args.bool_val=Truepython script.py --bool-val=False # args.bool_val=Truepython script.py --bool-val= # args.bool_val=什么都不写False

通过这个方法还能指定命令的帮助信息。具体请看API文档：https://docs.python.org/2/library/argparse.html

tf.app.run

tensorflow也提供了一种方便的解析方式。

脚本的执行命令为：

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

对应的python代码为：

import tensorflow as tftf.app.flags.DEFINE_string('gpus', None, 'gpus to use')tf.app.flags.DEFINE_integer('batch_size', 5, 'batch size')FLAGS = tf.app.flags.FLAGSdef main(_): print FLAGS.gpus print FLAGS.batch_sizeif __name__=="__main__": tf.app.run()

有几点需要注意：

tensorflow只提供以下几种方法：

• tf.app.flags.DEFINE_string，
• tf.app.flags.DEFINE_integer,
• tf.app.flags.DEFINE_boolean,
• tf.app.flags.DEFINE_float

四种方法，分别对应str, int,bool,float类型的参数。这里对bool的解析比较严格，传入1会被解析成True，其余任何值都会被解析成False。

脚本中需要定义一个接收一个参数的main方法：def main(_):，这个传入的参数是脚本名，一般用不到， 所以用下划线接收。
以batch_size参数为例，传入这个参数时使用的名称为--batch_size，也就是说，中划线不会像在argparse 中一样被解析成下划线。

tf.app.run()会寻找并执行入口脚本的main方法。也只有在执行了tf.app.run()之后才能从FLAGS中取出参数。

从它的签名来看，它也是可以自己指定需要执行的方法的，不一定非得叫main：

run( main=None, argv=None)

tf.app.flags只是对argpars的简单封装。代码见

https://github.com/tensorflow/tensorflow/blob/r1.2/tensorflow/python/platform/flags.py

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。