TF flags的简介

1、TF flags的简介

1、flags可以帮助我们通过命令行来动态的更改代码中的参数。Tensorflow 使用flags定义命令行参数的方法。ML的模型中有大量需要tuning的超参数，所以此方法，迎合了需要一种灵活的方式对代码某些参数进行调整的需求
(1)、比如，在这个py文件中，首先定义了一些参数，然后将参数统一保存到变量FLAGS中，相当于赋值，后边调用这些参数的时候直接使用FLAGS参数即可
(2)、基本参数类型有三种flags.DEFINE_integer、flags.DEFINE_float、flags.DEFINE_boolean。
(3)、第一个是参数名称，第二个参数是默认值，第三个是参数描述

2、使用过程

#第一步，调用flags = tf.app.flags，进行定义参数名称，并可给定初值、参数说明
#第二步，flags参数直接赋值
#第三步，运行tf.app.run()

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')

示例如下：

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("")

遇到问题可以参考：相关解决办法

TF flags的简介相关推荐

TF之TF flags：TF flags(命令行解析)的简介、安装、使用方法之详细攻略
TF之TF flags:TF flags(命令行解析)的简介.安装.使用方法之详细攻略目录 TF flags的简介 TF flags的安装 TF flags的使用方法 TF flags的简介 1.f ...
Python命令行解析：IDE内点击Run运行代码直接得出结果、基于TF flags(或argparse、sys.argv)在Dos内命令行(一条命令)调用代码文件得出结果
Python命令行解析:IDE内点击Run运行代码直接得出结果.基于TF flags(或argparse.sys.argv)在Dos内命令行(一条命令)调用代码文件得出结果目录命令行解析 T1.采 ...
tf.train.MonitoredSession 简介
在run过程中的集成一些操作,比如输出log,保存,summary 等基类一般用在infer阶段,训练阶段使用它的子类 tf.train.MonitoredTrainingSession 1 Mon ...
tf.app.flags和tf.app.run的使用
tf.app.flags和tf.app.run的使用 tf.app.flags主要用于处理命令行参数的解析工作,其实可以理解为一个封装好了的argparse包(argparse是一种结构化的数据存储格 ...
python获取命令行参数 flags_命令行参数--tf.app.flags和python argparse
在实际工作中我们一般通过运行脚本时获取命令行的参数,有两种方式: 一.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D ...
tf.app.flags.DEFINE_string()和tf.app.flags.FLAGS和tf.app.run()
tf.app.flags tf.app.flags主要用于处理命令行参数的解析工作,其实可以理解为一个封装好了的argparse包(argparse是一种结构化的数据存储格式,类似于Json.XML) ...
Py之argparse：Python库之argparse(命令行解析)简介、安装、使用方法之详细攻略
Py之argparse:Python库之argparse(命令行解析)简介.安装.使用方法之详细攻略导读 python中的命令行解析最简单最原始的方法是使用sys.argv来实现,更高级的可以使用a ...
深度学习-Tensorflow2.2-tf.data输入模块{2}-tf.data基础用法-09
TF.DATA 模块 tf.data模块简介 import tensorflow as tf # 使用一个列表建立dataset dataset = tf.data.Dataset.from_tens ...
Tensorflow之flags的用法介绍
1.功能解释 tensorflow中flags用于接收命令行传递参数,可以全局的更改代码中的参数.Tensorflow使用flags类定义命令行参数.网络模型中有大量的超参数需要我们赋值,所以此方法, ...
tensorflow代码中的tf.app.run()
一般 if __name__ == '__main__':之后紧接着的是主函数的运行入口,但在tensorflow的代码里头经常可以看到其后面的是tf.app.run(),这个究竟是什么意思呢??? ...

TF flags的简介

1、TF flags的简介

2、使用过程

TF flags的简介相关推荐

最新文章

热门文章