/* 版权声明：可以任意转载，转载时请务必标明文章原始出处和作者信息 .*/
faiculty: 机器学习、计算机视觉交流群：451429116
微信公众号、知乎专栏、简书，请搜索： faiculty
本专栏主要为学习记录，可能综合了网上各类文章或博客，如有侵权请联系本人进行删除。
QQ：769412850.
非常期待各位同学投稿，一起学习。
学习目的：深度学习神经网络往往有过多的Hyperparameter需要调优，优化算法、学习率、卷积核尺寸等很多参数都需要不断调整，使用命令行参数是非常方便的。有两种实现方式，一是利用python的argparse包，二是调用tensorflow自带的app.flags实现。
利用tf.app.flags组件
tf定义了tf.app.flags，用于接受命令行传递参数，相当于接受argv。首先调用自带的DEFINE_string，DEFINE_boolean DEFINE_integer, DEFINE_float设置不同类型的命令行参数及其默认值。当然，也可以在终端用命令行参数修改这些默认值。
其中参数描述为：
第一个参数第二个参数第三个参数参数名称默认值参数描述
import tensorflow as tf
flags = tf.app.flags
############################
# hyper parameters #
############################
# For separate margin loss
flags.DEFINE_float('m_plus', 0.9, 'the parameter of m plus')
flags.DEFINE_float('m_minus', 0.1, 'the parameter of m minus')
flags.DEFINE_float('lambda_val', 0.5, 'down weight of the loss for absent digit classes')
FLAGS = tf.app.flags.FLAGS
def main(_):
print(FLAGS.m_plus)
print(FLAGS.m_minus)
print(lambda_val)
if __name__ == '__main__':
tf.app.run() #执行main函数
执行：
root:~/Tensorflowexample$ python flags_example.py
0.9
0.1
0.5
root:~/Tensorflowexample$ python flags_example.py
root:~/Tensorflowexample$ python flags_example.py --m_plus 1.0 --m_minus 0.2 --lambad_val 0.9
1.0
0.2
0.5
利用python的argparse包
argparse是python的命令行解析工具，或者说可以在python代码中调用shell的一些命令，从而简化和系统命令之间的交互。tensorflow的一些例子中用argparse来定义一些默认命令，通常是全局变量，也是用作和系统命令之间交互的全局设置。详细介绍参考The Python Standard Library中argparse介绍具体编程时，argparse包的使用方法如下：
1，导入argparse模块
import argparse
2. 创建解析器对象ArgumentParser，可以添加参数
parser=argparse.ArgumentParser(description="This is a example program ")
3. add_argument()方法，用来指定程序需要接受的命令参数
parser.add_argument("--echo",type=str,default='hi',dest='m',help="echo the string you use here")
parser.add_argument("--square",type=int,default= 9 ,dest='n',help="display a square of a given number")
args = parser.parse_args()
定位参数：
parser.add_argument("echo",help="echo the string")
可选参数： 在执行程序的时候，定位参数必选，可选参数可选。
add_argument()常用的参数：
dest：如果提供dest，例如dest=”a”，那么可以通过args.a访问该参数
print(args.m)
print(args.n)
default：设置参数的默认值
action：参数触发的动作
store：保存参数，默认
store_const：保存一个被定义为参数规格一部分的值（常量），而不是一个来自参数解析而来的值。
store_ture/store_false：保存相应的布尔值
append：将值保存在一个列表中。
append_const：将一个定义在参数规格中的值（常量）保存在一个列表中。count：参数出现的次数
parser.add_argument("-v", "--verbosity", action="count", default=0, help="increase output verbosity")
version：打印程序版本信息 type：把从命令行输入的结果转成设置的类型 choice：允许的参数值
parser.add_argument("-v", "--verbosity", type=int, choices=[0, 1, 2], help="increase output verbosity")
help：参数命令的介绍例程完整代码如下
import argparse
parser = argparse.ArgumentParser()
parser.add_argument("--echo",type=str,default='hi',dest='m',help="echo the string you use here")
parser.add_argument("--square",type=int,default= 9 ,dest='n',help="display a square of a given number")
args = parser.parse_args()
print(args.m)
print(args.n)
执行：
root:~/Tensorflowexample$ python argparse_example.py
hi
9
root:~/Tensorflowexample$ python argparse_example.py --echo 'hello' --square 4
hello
4
