赞
踩
可能大部分人的第一反应就是用 argparse。argparse 在我们需要指定多个预设的参数(如深度学习中指定模型的超参数等)时,是非常有用的。但是如果有时我们只需要一个参数,那么再解析一整套 argparse 稍显笨重。
在 python 中,我们当然同样可以用这种方式来传递命令行参数,这里我们需要借助内置的 sys 库。
import sys
print(f'参数个数:{len(sys.argv)}')
print(f'参数列表:{str(sys.argv)}')
然后我们在命令行运行,并传入几个参数:
python test.py arg1 arg2
输出为:
参数个数:3
参数列表:['test.py', 'arg1', 'arg2']
注意这里没有所谓的 sys.argc,而是通过取参数列表的长度来获得参数的个数 len(sys.argv)。
这种方式获取几个命令行参数有时是非常方便的。比如有时我们写了一个脚本,要将目标检测数据集中某一张图像的检测框画出来查看,但是想要每次查看不同的图像。就可以通过这种方式在运行脚本时通过命令行传参。
# draw_box.py
import sys
def draw_box(image_name):
# ...
pass
if __name__ == "__main__":
draw_box(sys.argv[1])
这样在运行时直接在命令行中:
python draw_box.py 12345.jpg
功能强大且复杂,介绍几个最常用的方式。
# test_argparse.py import argparse parser.add_argument('--representation_size', type=int, default=768) parser.add_argument('--batchSize', type=int, default=32, help='batch size') parser.add_argument('--epochs', type=int, default=100, help='epochs') parser.add_argument('--num_workers', type=int, default=20, help='num workers') parser.add_argument('--tbx', default='debug', help='the name of dir to store data for tensorboard') parser.add_argument('--gpu_id', default='0', help='gpu id') parser.add_argument('--load_path', type=str, default='') parser.add_argument('--lr', type=float, default=5e-3, help='learning rate') parser.add_argument('--lr_decay', type=float, default=1., help='gamma of learning rate decay') parser.add_argument('--p', type=float, default=0.75, help='p of drop out') parser.add_argument('--freeze-features', action="store_true") args = parser.parse_args() print(args.accumulate(args.integers))
在导入 argparse 之后分以下几步:
先建立一个 parser 对象
然后通过 add_argument 加入所需要的参数
最后通过调用 parser 对象的 parse_args 方法来将参数解析,并赋值给 args
之后就可使用添加的参数(如 args.integer)了。
在命令行传参时需:
python test_argparse.py --batchSize 64 --num_workers 12 --freeze-features
若未传参,则按照设置的 default 赋值。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。