运行python脚本时传入参数的几种方式

阅读：评论：0

如果在运行python脚本时需要传入一些参数，例如gpus与batch_size，可以使用如下三种方式。

python script.py 0,1,2 10
python script.py -gpus=0,1,2 --batch-size=10
python script.py -gpus=0,1,2 --batch_size=10

这三种格式对应不同的参数解析方式，分别为sys.argv、argparse、 tf.app.run， 前两者是python自带的功能，后者是tensorflow提供的便捷方式。

1.sys.argv

sys模块是很常用的模块，它封装了与python解释器相关的数据，例如里面有已经加载了的所有模块信息， sys.path里面是 PYTHONPATH的内容，而 sys.argv则封装了传入的参数数据。
使用 sys.argv接收上面第一个命令中包含的参数方式如下：

import sys
gpus = sys.argv[1]
#gpus = [int(gpus.split(','))]
batch_size = sys.argv[2]
print(gpus)
print(batch_size)

2.argparse

import argparse
parser = argparse.ArgumentParser(description='manual to this script')
parser.add_argument("--gpus", type=str, default="0")
parser.add_argument("--batch-size", type=int, default=32)
args = parser.parse_args()
print(args.gpus)
print(args.batch_size)

需要注意的是，脚本运行命令 python script.py -gpus=0,1,2 --batch-size=10中的 --batch-size会被自动解析成 batch_size.
parser.add_argument 方法的 type参数理论上可以是任何合法的类型，但有些参数传入格式比较麻烦，例如list，所以一般使用 bool, int, str, float这些基本类型就行了，更复杂的需求可以通过 str传入，然后手动解析。 bool类型的解析比较特殊，传入任何值都会被解析成 True，传入空值时才为 False

3.tf.app.run

import tensorflow as tf
tf.app.flags.DEFINE_string('gpus', None, 'gpus to use')
tf.app.flags.DEFINE_integer('batch_size', 5, 'batch size')FLAGS = tf.app.flags.FLAGSdef main(_):print(FLAGS.gpus)print(FLAGS.batch_size)if __name__=="__main__":tf.app.run()

有几点需要注意：

tensorflow只提供以下几种方法：

tf.app.flags.DEFINE_string，
tf.app.flags.DEFINE_integer,
tf.app.flags.DEFINE_boolean,
tf.app.flags.DEFINE_float 四种方法，分别对应str, int,bool,float类型的参数。这里对bool的解析比较严格，传入1会被解析成True，其余任何值都会被解析成False。