学习tensorflow代码笔记（一）

最新推荐文章于 2023-01-15 10:04:07 发布

原创最新推荐文章于 2023-01-15 10:04:07 发布 · 272 阅读

0 ·

CC 4.0 BY-SA版权

机器学习专栏收录该内容

4 篇文章

订阅专栏

本文详细解析了TensorFlow中环境变量'TF_CPP_MIN_LOG_LEVEL'的作用及设置方法，同时深入介绍了Python标准模块argparse的使用，包括创建解析对象、添加参数及解析命令行参数的具体步骤。

1、environ['TF_CPP_MIN_LOG_LEVEL'] = '3'

这位博主解释的很详细，其实就是打印一些信息：INFO + WARNING + ERROR + FATAL

https://blog.youkuaiyun.com/qq_40549291/article/details/85274581

2、argparse模块和parser

记笔记，argparse是python用于解析命令行参数和选项的标准模块，我看了一下应该大概的使用步骤是：

（1）导入：

import argparse

（2）：创建解析对象：

parser = argparse.ArgumentParser(description='XXXXXXXX')

（3）为parser对象添加参数：

函数add_argumen(，，，)第一个是选项，第二个是数据类型，第三个默认值，第四个是help命令时的说明（具体情况具体分析）

parser.add_argument('--is_train', type=str2bool, default=True)
parser.add_argument('--epoch', type=int, default=50, help='number of epochs')
parser.add_argument('--dataset', type=str, default='UTKFace', help='training dataset name that stored in ./data')
parser.add_argument('--savedir', type=str, default='save', help='dir of saving checkpoints and intermediate training results')
parser.add_argument('--testdir', type=str, default='None', help='dir of testing images')
parser.add_argument('--use_trained_model', type=str2bool, default=True, help='whether train from an existing model or from scratch')
parser.add_argument('--use_init_model', type=str2bool, default=True, help='whether train from the init model if cannot find an existing model')

（4）最后调用parse_args（）方法进行解析;解析成功之后即可使用：

FLAGS = parser.parse_args()

参考了这位博主：

https://blog.youkuaiyun.com/chengxuyuanyonghu/article/details/59716405