Python ArgumentParse的subparser用法说明

在写一些很小的机器学习项目的时候,我们往往希望training, testing和inference能共用一个入口main,但是不同的功能使用不同的input参数.当然如果三个功能对应三个.py脚本问题也不大,但是毕竟觉得不太优雅.这个时候就需要考虑如何让代码更加简单有条理.

主要是最近在看parser有关的东西,所以看到了一个项目,里面的使用subparser的地方是值得借鉴的,下面附上代码和部分自己的一些见解

def main(): parser = argparse.ArgumentParser() subparsers = parser.add_subparsers() hparams = make_hparams() # 这个函数是直接写了一些超参数,讲真我不太喜欢这个操作,个人还是比较倾向用一个额外的config文件来存储 # 这些超参,这样输入的只要是config文件的路径即可;主要是这么做可以看到自己每一步的参数是怎么设置的 # 便于后期出现了问题来排错 subparser = subparsers.add_parser('train') # add subparser here subparser.set_defaults(callback=lambda args: run_train(args, hparams)) # 加上callback选项,run_train是前期定义的一个函数,这条和后面的args.callback(args)对应 hparams.populate_arguments(subparser) # 这里就是作者自己定义的一个函数,本质其实还是一系列的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)

补充知识：python 学习笔记--argparse模块以及parse_known_args(）函数

代码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

运行

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

输出：

20.010100

[’--arg_int’, ’2’]

flags为namespace空间，结果是Namespace(hidden1=100, learning_rate=20.0, max_steps=10)，包含程序定义了的命令行参数，而unparsed为程序没有定义的命令行参数。

以上这篇Python ArgumentParse的subparser用法说明就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持好吧啦网。