在寫一些很小的機器學習項目的時候,我們往往希望training, testing和inference能共用一個入口main,但是不同的功能使用不同的input參數.當然如果三個功能對應三個.py腳本問題也不大,但是畢竟覺得不太優雅.這個時候就需要考慮如何讓代碼更加簡單有條理.

主要是最近在看parser有關的東西,所以看到了一個項目,里面的使用subparser的地方是值得借鑒的,下面附上代碼和部分自己的一些見解

def main(): parser = argparse.ArgumentParser() subparsers = parser.add_subparsers() hparams = make_hparams() # 這個函數是直接寫了一些超參數,講真我不太喜歡這個操作,個人還是比較傾向用一個額外的config文件來存儲 # 這些超參,這樣輸入的只要是config文件的路徑即可;主要是這么做可以看到自己每一步的參數是怎么設置的 # 便于后期出現了問題來排錯 subparser = subparsers.add_parser('train') # add subparser here subparser.set_defaults(callback=lambda args: run_train(args, hparams)) # 加上callback選項,run_train是前期定義的一個函數,這條和后面的args.callback(args)對應 hparams.populate_arguments(subparser) # 這里就是作者自己定義的一個函數,本質其實還是一系列的add_argument subparser.add_argument('--numpy-seed', type=int) subparser.add_argument('--model-path-base', required=True) subparser.add_argument('--evalb-dir', default='EVALB/') subparser.add_argument('--train-path', default='data/02-21.10way.clean') subparser.add_argument('--dev-path', default='data/22.auto.clean') subparser.add_argument('--batch-size', type=int, default=250) subparser.add_argument('--subbatch-max-tokens', type=int, default=2000) subparser.add_argument('--eval-batch-size', type=int, default=100) subparser.add_argument('--epochs', type=int) subparser.add_argument('--checks-per-epoch', type=int, default=4) subparser.add_argument('--print-vocabs', action='store_true') subparser = subparsers.add_parser('test') subparser.set_defaults(callback=run_test) subparser.add_argument('--model-path-base', required=True) subparser.add_argument('--evalb-dir', default='EVALB/') subparser.add_argument('--test-path', default='data/23.auto.clean') subparser.add_argument('--test-path-raw', type=str) subparser.add_argument('--eval-batch-size', type=int, default=100) subparser = subparsers.add_parser('ensemble') subparser.set_defaults(callback=run_ensemble) subparser.add_argument('--model-path-base', nargs=’+’, required=True) subparser.add_argument('--evalb-dir', default='EVALB/') subparser.add_argument('--test-path', default='data/22.auto.clean') subparser.add_argument('--eval-batch-size', type=int, default=100) subparser = subparsers.add_parser('parse') subparser.set_defaults(callback=run_parse) subparser.add_argument('--model-path-base', required=True) subparser.add_argument('--input-path', type=str, required=True) subparser.add_argument('--output-path', type=str, default='-') subparser.add_argument('--eval-batch-size', type=int, default=100) subparser = subparsers.add_parser('viz') subparser.set_defaults(callback=run_viz) subparser.add_argument('--model-path-base', required=True) subparser.add_argument('--evalb-dir', default='EVALB/') subparser.add_argument('--viz-path', default='data/22.auto.clean') subparser.add_argument('--eval-batch-size', type=int, default=100) args = parser.parse_args() args.callback(args)

補充知識：python 學習筆記--argparse模塊以及parse_known_args(）函數

代碼test.py：

import argparseimport sysparse=argparse.ArgumentParser()parse.add_argument('--learning_rate',type=float,default=0.01,help='initial learining rate')parse.add_argument('--max_steps',type=int,default=2000,help='max')parse.add_argument('--hidden1',type=int,default=100,help='hidden1')flags,unparsed=parse.parse_known_args(sys.argv[1:])print flags.learning_rateprint flags.max_stepsprint flags.hidden1print unparsed

運行

python test.py --learning_rate 20 --max_steps 10 --hidden1 100 --arg_int 2

其效果等同于

python test.py --learning_rate=20 --max_steps=10 --hidden1=100 --arg_int=2

輸出：

20.010100

[’--arg_int’, ’2’]

flags為namespace空間，結果是Namespace(hidden1=100, learning_rate=20.0, max_steps=10)，包含程序定義了的命令行參數，而unparsed為程序沒有定義的命令行參數。

以上這篇Python ArgumentParse的subparser用法說明就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持好吧啦網。