如果在運(yùn)行python腳本時(shí)需要傳入一些參數(shù)，例如gpus與batch_size，可以使用如下三種方式。

python script.py 0,1,2 10python script.py -gpus=0,1,2 --batch-size=10python script.py -gpus=0,1,2 --batch_size=10

這三種格式對應(yīng)不同的參數(shù)解析方式，分別為sys.argv, argparse, tf.app.run, 前兩者是python自帶的功能，最后一個(gè)是tensorflow提供的便捷方式(只是在命令行執(zhí)行時(shí)看上去跟第二個(gè)相同，源碼部分的區(qū)別見下)。

sys.argv

sys模塊是很常用的模塊， 它封裝了與python解釋器相關(guān)的數(shù)據(jù)，例如sys.modules里面有已經(jīng)加載了的所有模塊信息，

sys.path里面是PYTHONPATH的內(nèi)容，而sys.argv則封裝了傳入的參數(shù)數(shù)據(jù)。

使用sys.argv接收上面第一個(gè)命令中包含的參數(shù)方式如下：

import sysgpus = sys.argv[1]#gpus = [int(gpus.split(','))]batch_size = sys.argv[2]print(gpus, type(gpus))print(batch_size, type(batch_size))

執(zhí)行結(jié)果：

D:/projects/Pycharm Projects/some-toys/something_else>python argv_test.py 1,0,2 101,0,2 <class 'str'>10 <class 'str'>

argparse

import argparseparser = argparse.ArgumentParser(description='manual to this script')parser.add_argument('--gpus', type=str, default = None)parser.add_argument('--batch-size', type=int, default=32)args = parser.parse_args()print(args.gpus, type(args.gpus))print(args.batch_size, type(args.batch_size))

執(zhí)行結(jié)果：

D:/projects/Pycharm Projects/some-toys/something_else>python argv_test.py --gpus=0,1,2 --batch-size=200,1,2 <class 'str'>20 <class 'int'>

需要注意的是，腳本運(yùn)行命令python script.py --gpus=0,1,2 --batch-size=10中的batch-size會(huì)被自動(dòng)解析成batch_size.
parser.add_argument 方法的type參數(shù)理論上可以是任何合法的類型， 但有些參數(shù)傳入格式比較麻煩，例如list，所以一般使用bool, int, str, float這些基本類型就行了，更復(fù)雜的需求可以通過str傳入，然后手動(dòng)解析。bool類型的解析比較特殊，傳入任何值都會(huì)被解析成True，傳入空值時(shí)才為False

python script.py --bool-val=0 # args.bool_val=Truepython script.py --bool-val=False # args.bool_val=Truepython script.py --bool-val=   # args.bool_val=什么都不寫False

通過這個(gè)方法還能指定命令的幫助信息。具體請看API文檔：https://docs.python.org/2/library/argparse.html

tf.app.run

tensorflow也提供了一種方便的解析方式。

腳本的執(zhí)行命令為：

python script.py -gpus=0,1,2 --batch_size=10

對應(yīng)的python代碼為：

import tensorflow as tftf.app.flags.DEFINE_string('gpus', None, 'gpus to use')tf.app.flags.DEFINE_integer('batch_size', 5, 'batch size')FLAGS = tf.app.flags.FLAGSdef main(_):  print FLAGS.gpus  print FLAGS.batch_sizeif __name__=="__main__":  tf.app.run()

有幾點(diǎn)需要注意：

tensorflow只提供以下幾種方法：