Tensorflow之flags的用法介绍
1.功能解釋
tensorflow中flags用于接收命令行傳遞參數,可以全局的更改代碼中的參數。Tensorflow使用flags類定義命令行參數。網絡模型中有大量的超參數需要我們賦值,所以此方法,提供了一種簡便的方式對模型超參數進行調整。
整體思路就是,我們可以現在一個.py文件內定義參數,然后將參數保存至變量集FLAGS里,即我們對超參數的賦值,后面需要調用時,我們通過FLAGS對象來調用。其實,這和argparse的用法、功能是類似的。
基本定義函數類型,分別定義不同數據類型:
①flags.DEFINE_integer(1,2,3),②flags.DEFINE_float(1,2,3),③flags.DEFINE_boolean(1,2,3)
其中1:參數名稱。2:默認值。3:參數描述。
2.使用流程
在文件中調用flags = tf.app.flags,定義參數名稱,默認值,及參數描述
然后我們在接下來要用到某一定義參數的時候使用flags參數直接賦值即可
最后,在main函數運行時,先調用tf.app.run(),先處理flag解析,再執行main函數。
3.注意的點
值得注意的是,我們可以對具有默認值的參數在命令行中直接修改默認值。
有兩種預聲明flags和Flags對象的方法:
①flags = tf.app.flags,FLAGS = flags.FLAGS,老版本
②flags = tf.flags,FLAGS = flags.FLAGS,新版本
?
4.代碼實踐
這里我們貼出兩篇博客,代碼介紹的相對來說很詳細:
https://blog.csdn.net/qq_36653505/article/details/81124533
https://blog.csdn.net/qq_41185868/article/details/82913886
?
總結
以上是生活随笔為你收集整理的Tensorflow之flags的用法介绍的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: pytorch之tensor按索引赋值,
- 下一篇: 记录 之 最近阅读的动作识别(actio