1. 背景

在深度学习的任务中，通常需要比较复杂的参数以及输入输出配置，比如需要不同的训练data，不同的模型，写入不同的log文件，输出到不同的文件夹以免混淆输出

常用的parser.add（）方法非常占用代码空间，而且输入输出配置无法通过文件更改，只能通过命令行参数改变。

docopt 库提供了一个非常优雅的命令行解析工具，这边只介绍其中解析文件参数

2. 安装

pip install docoptimport docoptimport json　　

3. 使用

docopt 由两部分组成，第一部分是解析部分，通过“”“ -”“”（一段类似注释的双引号表示），这一部分必不可少。

"""Usage: train <json_file>"""

上面解析部分的指令很简单，输入应为：

python test.py config.json

第二部分是main 函数：

if __name__ == "__main__": args = docopt.docopt(__doc__) args = json.load(open(args["<json_file>"])) print('==>Params') for key in args.keys(): print('\t{}:{}\n'.format(key,args[key])) train(args)　

我将 config.json 设置为：

{ "dataset": "human_science", "length": 1000, "model": "CNN", "log_dir": "./logs/", "output_dir": "./output/", "output_prefix": "human_science_CNN", "lr":0.01}

命令行的输出应为：

成功将参数传入train()函数

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。