Question

我正在研究张量流中的tutorial。

我对模块FLAGS

感到困惑

# Basic model parameters as external flags.
FLAGS = None

在“run_training”功能中：

def run_training():
"""Train MNIST for a number of steps."""
# Tell TensorFlow that the model will be built into the default Graph.
with tf.Graph().as_default():
# Input images and labels.
images, labels = inputs(train=True, batch_size=FLAGS.batch_size,
                        num_epochs=FLAGS.num_epochs)

在这里使用“FLAGS.batch_size”和“FLAGS.num_epochs”的目的是什么？我可以用128这样的常数替换吗？

我在mnist example找到了类似的答案，但我仍然无法理解。

Answer 1

对于mnist full_connect_reader的例子，实际上他们根本没有使用tensorflow FLAGS。这里的FLAGS只是作为一个＆＃34;全局变量＆＃34;，它将由＆＃34; FLAGS，unparsed = parser.parse_known_args（）＆＃34;分配。在源代码页的按钮中，用于不同的功能。

使用tf.app.flags.FLAGS的方法应该是：

import tensorflow as tf

FLAGS = tf.app.flags.FLAGS

tf.app.flags.DEFINE_integer('max_steps', 100,
                            """Number of batches to run.""")
tf.app.flags.DEFINE_integer('num_gpus', 1,
                            """How many GPUs to use.""")


def main(argv=None):
    print(FLAGS.max_steps)
    print(FLAGS.num_gpus)

if __name__ == '__main__':
  # the first param for argv is the program name
  tf.app.run(main=main, argv=['tensorflow_read_data', '--max_steps', '50', '--num_gpus', '20'])

Answer 2

标志通常用于解析命令行参数并保存输入参数。您可以用常数替换它们，但最好在标志的帮助下组织输入参数。

张量流中“FLAGS”的目的是什么？

2 个答案: