TensorFlow中的小知识：tf.flags.DEFINE

读别人家的代码的时候经常看到这个，结果两三天不看居然忘记了，这脑子绝对上锈了，决定记下来免得老是查来查去的。。。
内容包含如下几个我们经常看到的几个函数：
①tf.flags.DEFINE_xxx()
②FLAGS = tf.flags.FLAGS
③FLAGS._parse_flags()

简单的说：

用于帮助我们添加命令行的可选参数。
也就是说利用该函数我们可以实现在命令行中选择需要设定的参数来运行程序，
可以不用反复修改源代码中的参数，直接在命令行中进行参数的设定。

举个栗子：

程序train.py文件中的小部分代码如下所示：

FLAGS = tf.flags.FLAGStf.flags.DEFINE_string('name', 'default', 'name of the model')
tf.flags.DEFINE_integer('num_seqs', 100, 'number of seqs in one batch')
tf.flags.DEFINE_integer('num_steps', 100, 'length of one seq')
tf.flags.DEFINE_integer('lstm_size', 128, 'size of hidden state of lstm')
tf.flags.DEFINE_integer('num_layers', 2, 'number of lstm layers')
tf.flags.DEFINE_boolean('use_embedding', False, 'whether to use embedding')
tf.flags.DEFINE_integer('embedding_size', 128, 'size of embedding')
tf.flags.DEFINE_float('learning_rate', 0.001, 'learning_rate')
tf.flags.DEFINE_float('train_keep_prob', 0.5, 'dropout rate during training')
tf.flags.DEFINE_string('input_file', '', 'utf8 encoded text file')
tf.flags.DEFINE_integer('max_steps', 100000, 'max steps to train')
tf.flags.DEFINE_integer('save_every_n', 1000, 'save the model every n steps')
tf.flags.DEFINE_integer('log_every_n', 10, 'log to the screen every n steps')
tf.flags.DEFINE_integer('max_vocab', 3500, 'max char number')
#全局参数设置，显示在命令行

在命令行中我们为了执行train.py文件，在命令行中输入：

python train.py \--input_file data/shakespeare.txt  \--name shakespeare \--num_steps 50 \--num_seqs 32 \--learning_rate 0.01 \--max_steps 20000

通过输入不同的文件名、参数，可以快速完成程序的调参和更换训练集的操作，不需要进入源码中更改。

备注：在此感谢上述代码的作者

实践操作一下：

现在我们有如下代码：

import tensorflow as tf
#取上述代码中一部分进行实验
tf.flags.DEFINE_integer('num_seqs', 100, 'number of seqs in one batch')
tf.flags.DEFINE_integer('num_steps', 100, 'length of one seq')
tf.flags.DEFINE_integer('lstm_size', 128, 'size of hidden state of lstm')#通过print()确定下面内容的功能
FLAGS = tf.flags.FLAGS #FLAGS保存命令行参数的数据
FLAGS._parse_flags() #将其解析成字典存储到FLAGS.__flags中
print(FLAGS.__flags)print(FLAGS.num_seqs)print("\nParameters:")
for attr, value in sorted(FLAGS.__flags.items()):print("{}={}".format(attr.upper(), value))
print("")

尝试执行一下上述代码了解其各行代码的功能，可能因为tensorflow版本原因出现报错现象。

查看解决办法可点击链接

TensorFlow中的小知识：tf.flags.DEFINE_xxx()相关推荐

vue项目中的小知识--快捷键-vue插件版本号--vscode插件等
vue项目中的小知识--快捷键等 0 版本号 1 代码片段的获取: 2 vscode中一些常用扩展 3 进入另一个文件夹,返回上一级 4查看Vue的版本和Vue/CLI的版本 5 --save-dev ...
ps中的小知识，你必须懂
要说ps中的小知识是非常多的,掌握了之后,就能够很轻松的去完成一些基础的设计啦!所以关于ps中的小知识,我们今天就简单的介绍其中的一部分,后面会持续为大家更新,让我们也能够懂设计,了解ps,为以后的工 ...
【转】tensorflow中的batch_norm以及tf.control_dependencies和tf.GraphKeys.UPDATE_OPS的探究
笔者近来在tensorflow中使用batch_norm时,由于事先不熟悉其内部的原理,因此将其错误使用,从而出现了结果与预想不一致的结果.事后对其进行了一定的调查与研究,在此进行一些总结. 一.错误 ...
python时间str转datetime_深入了解Python中的小知识
@Author:By Runsen time和datetime是Python处理日期和时间的标准库.在我们项目的实际开发当中使用率是非常高的.datetime模块有四个重要的类,date,time,d ...
C++/C中的小知识备忘
C++/C中防止头文件的重复包含的解决办法为了避免头文件重复包含,有两种方式可以选择,一种是#ifndef方式,由标准支持:一种是#pragma once方式,编译器提供. //方式一 #ifnde ...
【转载翻译】tensorflow中样离线使用tf hub中的模型
该方法是在国外网站中找到的,并没有完全按照原文翻译,而是按着步骤意思去写的 1.找到模型链接在tfhub.dev中找到你需要的模型链接,例如:https://tfhub.dev/google/ima ...
C语言中的小知识1~20
打印字符 char ch='A'; printf("%c\n",ch); %d: 打印整形上的十进制数据 %p: 以地址的形式打印 %X: 打印16进制数字打印双精度浮点数 do ...
python维度扩展_在TensorFlow中实现矩阵维度扩展
一般TensorFlow中扩展维度可以使用tf.expand_dims().近来发现另一种可以直接运用取数据操作符[]就能扩展维度的方法. 用法很简单,在要扩展的维度上加上tf.newaxis就行了. ...
【C#小知识】C#中一些易混淆概念总结（三）---------结构，GC，静态成员，静态类...
目录: [C#小知识]C#中一些易混淆概念总结 [C#小知识]C#中一些易混淆概念总结(二) ---------------------------------------分割线----------- ...
【C#小知识】C#中一些易混淆概念总结（七）---------解析抽象类，抽象方法
目录: [C#小知识]C#中一些易混淆概念总结--------数据类型存储位置,方法调用,out和ref参数的使用 [C#小知识]C#中一些易混淆概念总结(二)--------构造函数,this关键字 ...

TensorFlow中的小知识：tf.flags.DEFINE_xxx()

简单的说：

举个栗子：

实践操作一下：

TensorFlow中的小知识：tf.flags.DEFINE_xxx()相关推荐

最新文章

热门文章