Python 命令行传参

Python 命令行传参

可能大部分人的第一反应就是用 argparse。argparse 在我们需要指定多个预设的参数（如深度学习中指定模型的超参数等）时，是非常有用的。但是如果有时我们只需要一个参数，那么再解析一整套 argparse 稍显笨重。

在 python 中，我们当然同样可以用这种方式来传递命令行参数，这里我们需要借助内置的 sys 库。

import sys

print(f'参数个数：{len(sys.argv)}')
print(f'参数列表：{str(sys.argv)}')

然后我们在命令行运行，并传入几个参数：

python test.py arg1 arg2

输出为：

参数个数：3
参数列表：['test.py', 'arg1', 'arg2']

注意这里没有所谓的 sys.argc，而是通过取参数列表的长度来获得参数的个数 len(sys.argv)。

这种方式获取几个命令行参数有时是非常方便的。比如有时我们写了一个脚本，要将目标检测数据集中某一张图像的检测框画出来查看，但是想要每次查看不同的图像。就可以通过这种方式在运行脚本时通过命令行传参。

# draw_box.py
import sys

def draw_box(image_name):
  # ...
  pass

if __name__ == "__main__":
  draw_box(sys.argv[1])

这样在运行时直接在命令行中：

python draw_box.py 12345.jpg

rgparse

功能强大且复杂，介绍几个最常用的方式。

# test_argparse.py
import argparse

parser.add_argument('--representation_size', type=int, default=768)
parser.add_argument('--batchSize', type=int, default=32, help='batch size')
parser.add_argument('--epochs', type=int, default=100, help='epochs')
parser.add_argument('--num_workers', type=int, default=20, help='num workers')
parser.add_argument('--tbx', default='debug', help='the name of dir to store data for tensorboard')
parser.add_argument('--gpu_id', default='0', help='gpu id')
parser.add_argument('--load_path', type=str, default='')
parser.add_argument('--lr', type=float, default=5e-3, help='learning rate')
parser.add_argument('--lr_decay', type=float, default=1., help='gamma of learning rate decay')
parser.add_argument('--p', type=float, default=0.75, help='p of drop out')

parser.add_argument('--freeze-features', action="store_true")


args = parser.parse_args()
print(args.accumulate(args.integers))

在导入 argparse 之后分以下几步：

先建立一个 parser 对象
然后通过 add_argument 加入所需要的参数
最后通过调用 parser 对象的 parse_args 方法来将参数解析，并赋值给 args
之后就可使用添加的参数（如 args.integer）了。

在命令行传参时需：

python test_argparse.py --batchSize 64 --num_workers 12 --freeze-features

若未传参，则按照设置的 default 赋值。