Python 使用 docopt 解析json參數(shù)文件過程講解
1. 背景
在深度學習的任務中,通常需要比較復雜的參數(shù)以及輸入輸出配置,比如需要不同的訓練data,不同的模型,寫入不同的log文件,輸出到不同的文件夾以免混淆輸出
常用的parser.add()方法非常占用代碼空間,而且輸入輸出配置無法通過文件更改,只能通過命令行參數(shù)改變。
docopt 庫提供了一個非常優(yōu)雅的命令行解析工具,這邊只介紹其中解析文件參數(shù)
2. 安裝
pip install docopt
import docopt import json
3. 使用
docopt 由兩部分組成,第一部分是解析部分,通過“”“ -”“”(一段類似注釋的雙引號表示),這一部分必不可少。
""" Usage: train <json_file> """
上面解析部分的指令很簡單,輸入應為:
python test.py config.json
第二部分是main 函數(shù):
if __name__ == "__main__":
args = docopt.docopt(__doc__)
args = json.load(open(args["<json_file>"]))
print('==>Params')
for key in args.keys():
print('\t{}:{}\n'.format(key,args[key]))
train(args)
我將 config.json 設置為:
{
"dataset": "human_science",
"length": 1000,
"model": "CNN",
"log_dir": "./logs/",
"output_dir": "./output/",
"output_prefix": "human_science_CNN",
"lr":0.01
}
命令行的輸出應為:

成功將參數(shù)傳入train()函數(shù)
以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關文章
python數(shù)據(jù)分析之單因素分析線性擬合及地理編碼
這篇文章主要介紹了python數(shù)據(jù)分析之單因素分析線性擬合及地理編碼,文章圍繞主題展開詳細的內(nèi)容介紹,具有一定的參考價值,需要的小伙伴可以參考一下2022-06-06
Python輸入正負10進制,轉(zhuǎn)4位16進制問題
這篇文章主要介紹了Python輸入正負10進制,轉(zhuǎn)4位16進制問題,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2023-06-06
Python實現(xiàn)二叉排序樹與平衡二叉樹的示例代碼
樹表查詢即借助具有特殊性質(zhì)的樹數(shù)據(jù)結構進行關鍵字查找,本文所涉及到的特殊結構性質(zhì)的樹包括:二叉排序樹、平衡二叉樹。文中詳細介紹了二者的實現(xiàn)代碼,需要的可以參考一下2022-04-04
雙目測距python實現(xiàn)方法實戰(zhàn)(含標定)
相機標定對于雙目視覺系統(tǒng)至關重要,它涉及到獲取左右相機的內(nèi)參矩陣、畸變系數(shù)、旋轉(zhuǎn)矩陣和平移向量等關鍵參數(shù),這篇文章主要介紹了雙目測距python實現(xiàn)的相關資料,需要的朋友可以參考下2024-11-11
django如何根據(jù)現(xiàn)有數(shù)據(jù)庫表生成model詳解
這篇文章主要給大家介紹了關于django如何根據(jù)現(xiàn)有數(shù)據(jù)庫表生成model的相關資料,文中通過示例代碼介紹的非常詳細,對大家學習或者使用Django具有一定的參考學習價值,需要的朋友可以參考下2022-08-08

