我正在尝试在我的应用程序中设置自定义批量大小。
如果我将以下代码放入我的应用程序
tf.app.flags.DEFINE_integer('batch_size', 128,
"""Number of images to process in a batch.""")
它表示以下错误
argparse.ArgumentError: argument --batch_size: conflicting option string(s): --batch_size
如果我删除此声明,它会发誓:
usage: <myscript> [-h] [--batch_size BATCH_SIZE] [--data_dir DATA_DIR]
[--checkpoint_dir CHECKPOINT_DIR]
在FLAGS.batch_size
使用的行。
myscript
是我的脚本的名称,我没有在任何地方写这条消息,根本不期望这些命令行开关。看起来像TF
使用一些Python交换机解析库并以某种方式期望这些交换机。如何避免这种情况并期望定制开关?
如何硬编码自定义batch_size?
更新
我的命令行如下:
myscript image1.png image2.png image3.png
PNG是我希望从命令行识别的CIFAR数据库中的图像。这是我希望的命令行,我不希望它包含&#34; usage&#34;中列出的选项。输出
答案 0 :(得分:10)
根据您的更新,听起来您根本不想使用FLAGS
模块。如果你查看cifar10_train.py
这样的程序,就会看到以下near the bottom of the script:
def main(argv=None): # pylint: disable=unused-argument
# ...
if __name__ == '__main__':
tf.app.run()
tf.app.run()
调用是一个样板文件,可确保解析任何标志,然后在同一模块中调用main()
函数。请注意main()
有一个argv
参数。这将填充您的程序的其余参数:在您的示例中,它将是一个列表["image1.png", "image2.png", "image3.png"]
。因此,您可以简单地将main()
函数写为:
def main(argv=None):
if argv:
for filename in argv:
run_inference_on_file(filename)
答案 1 :(得分:1)
我怀疑您正在导入已定义batch_size
标志的cifar10.py,并且错误是由于您尝试重新定义具有相同名称的标志。如果要导入cifar10
,则只需在命令行中使用--batch_size
,在代码中使用FLAGS.batch_size
即可。