tensorflow学习之——tf.app.flags.DEFINE_XXXX() 使用flags定义命令行参数

和C/C++编写main函数中的argv一样，tf框架下也封装了tf.app.flags.DEFINE_XXXX()函数用于定义参数，便于命令行形式传递参数。常见的函数形式如下：

 flags.DEFINE_float(参数1，参数2，参数3)
 flags.DEFINE_integer(参数1，参数2，参数3)
 flags.DEFINE_string(参数1，参数2，参数3)
 flags.DEFINE_boolean(参数1，参数2，参数3)

参数1：定义的参数名称；

参数2：参数默认值；

参数3：对参数的描述；

比如常见一个深度学习网络的py文件中：

import tensorflow as tfimport numpy as np#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

tf.app.flags.DEFINE_integer('batch_size', 64,'batch size=?') #定义输入训练数据的batch大小，默认64；

tf.app.flags.DEFINE_float('learning_rate', 0.001,'learning rate') #定义学习率大小，默认0.001；

tf.app.flags.DEFINE_boolean('train', FALSE,'train or test') #定义布尔类型的值，判断网络是训练还是测试
tf.app.flags.DEFINE_string('check_points_dir', './model/','check_points dir') #模型保存路径 
tf.app.flags.DEFINE_integer('epoch', 50,'train epoch size') #定义的epoch大小，默认为50
FLAGS = tf.app.flags.FLAGS
def main(XXXX): 
    XXXX
if __name__ == '__main__': 
    XXXX #执行main

在调用参数时，一般如下使用；

FLAGS.参数名

FLAGS.batch_size

PS！真心吐槽现在的CSDN的风格！！！！不如旧版编辑的稳定…………………………什么鬼