Question

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

Answer 1

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)

Answer 2

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。

如何使用＆＃34; FLAGS＆＃34; （TensorFlow中的（命令行开关）？

2 个答案: