tf.app.flags.DEFINE_string()和tf.app.flags.FLAGS和tf.app.run()

tf.app.flags

tf.app.flags主要用于处理命令行参数的解析工作，其实可以理解为一个封装好了的argparse包（argparse是一种结构化的数据存储格式，类似于Json、XML）。
首先我们通过

tf.app.flags

来调用这个

flags.py

文件，这样我们就可以用

flags.DEFINE_interger/float()

来添加命令行参数，而

FLAGS=flags.FLAGS

可以实例化这个解析参数的类从对应的命令行参数取出参数。
新建test.py文件，并输入如下代码，代码的功能是创建几个命令行参数，然后把命令行参数输出显示

import tensorflow as tf

flags = tf.app.flags
flags.DEFINE_string('data_dir', '/tmp/mnist', 'Directory with the MNIST data.')
flags.DEFINE_integer('batch_size', 5, 'Batch size.')
flags.DEFINE_integer('num_evals', 1000, 'Number of batches to evaluate.')
FLAGS = flags.FLAGS

print(FLAGS.data_dir, FLAGS.batch_size, FLAGS.num_evals)

在命令行中输入

test.py -h

就可以查看帮助信息，也就是

Directory with the MNIST data.

，

Batch size

和

Number of batches to evaluate

这样的消息。
在命令行中输入

test.py --batchsize 10

就可以将batch_size的值修改为10！

tf.app.run()

该函数一般都是出现在这种代码中：

if __name__ == '__main__':
tf.app.run()

上述第一行代码表示如果当前是从其它模块调用的该模块程序，则不会运行main函数！而如果就是直接运行的该模块程序，则会运行main函数。

flags_passthrough=f._parse_flags(args=args)

这里的

parse_flags

就是我们

tf.app.flags

源码中用来解析命令行参数的函数。所以这一行就是解析参数的功能；
下面两行代码也就是

tf.app.run

的核心意思：执行程序中main函数，并解析命令行参数！

作者：DDM_dl
链接：https://www.jianshu.com/p/55cbd3753ee8
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。