Question

我正在阅读Tensorflow中的一些示例代码，我发现以下代码

flags = tf.app.flags
FLAGS = flags.FLAGS
flags.DEFINE_float('learning_rate', 0.01, 'Initial learning rate.')
flags.DEFINE_integer('max_steps', 2000, 'Number of steps to run trainer.')
flags.DEFINE_integer('hidden1', 128, 'Number of units in hidden layer 1.')
flags.DEFINE_integer('hidden2', 32, 'Number of units in hidden layer 2.')
flags.DEFINE_integer('batch_size', 100, 'Batch size.  '
                 'Must divide evenly into the dataset sizes.')
flags.DEFINE_string('train_dir', 'data', 'Directory to put the training data.')
flags.DEFINE_boolean('fake_data', False, 'If true, uses fake data '
                 'for unit testing.')

tensorflow/tensorflow/g3doc/tutorials/mnist/fully_connected_feed.py

中的

但我无法找到有关此tf.app.flags用法的任何文档。

我发现这个标志的实现在 tensorflow/tensorflow/python/platform/default/_flags.py

显然，这个tf.app.flags以某种方式用于配置网络，那么为什么它不在API文档中呢？谁能解释一下这里发生了什么？

Answer 1

tf.app.flags模块目前是围绕 ~~python-gflags的瘦包装器，因此documentation for that project是如何使用它的最佳资源~~ argparse，实现python-gflags中的功能子集。

请注意，此模块目前打包为编写演示应用程序的便利，从技术上讲，它不是公共API的一部分，因此将来可能会发生变化。

我们建议您使用argparse或您喜欢的任何库来实现自己的标记解析。

编辑 tf.app.flags模块实际上并未使用python-gflags实现，但它使用了类似的API。

Answer 2

tf.app.flags模块是Tensorflow提供的功能，用于为Tensorflow程序实现命令行标志。例如，您遇到的代码将执行以下操作：

flags.DEFINE_float('learning_rate', 0.01, 'Initial learning rate.')

第一个参数定义标志的名称，第二个参数定义默认值，以防执行文件时未指定标志。

因此，如果您运行以下内容：

$ python fully_connected_feed.py --learning_rate 1.00

然后将学习率设置为1.00，如果未指定该标志，则将保持0.01。

如in this article所述，文档可能不存在，因为这可能是Google内部要求开发人员使用的文档。

此外，正如文章中提到的，使用Tensorflow标志比其他Python软件包（例如argparse）提供的标志功能有多个优点，尤其是在处理Tensorflow模型时，最重要的是可以提供Tensorflow代码的特定信息，例如有关使用哪个GPU的信息。

Answer 3

在Google，他们使用标记系统设置参数的默认值。它类似于argparse。他们使用自己的标记系统而不是argparse或sys.argv。

来源：我以前在那工作过。

Answer 4

使用tf.app.run()时，可以使用tf.app.flags在线程之间非常方便地传输变量。有关tf.app.flags的进一步用法，请参见this。

Answer 5

尝试多次后，我发现它可以打印所有FLAGS键以及实际值-

for key in tf.app.flags.FLAGS.flag_values_dict():

  print(key, FLAGS[key].value)

TensorFlow中tf.app.flags的目的是什么？

5 个答案: