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 argparse

import sys

parse=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_rate

print flags.max_steps

print flags.hidden1

print 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：

20.0

10

100

['--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我們。

本文標題: Python ArgumentParse的subparser用法說明

本文地址: http://www.cppcns.com/jiaoben/python/308763.html