[干货|实践] Tensorflow学习 - 使用flags定义命令行参数

最新推荐文章于 2025-09-05 15:29:40 发布

原创

最新推荐文章于 2025-09-05 15:29:40 发布 · 1.5k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #TensorFlow

本文介绍了两种在Python中处理命令行参数的方法：使用tf.app.flags组件和argparse包。通过实例展示了如何定义和读取命令行参数，适用于深度学习模型训练等场景。

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_plu