当前位置:网站首页>TF flags的简介
TF flags的简介
2020-11-06 01:22:00 【IT界的小小小学生】
1、TF flags的简介
1、flags可以帮助我们通过命令行来动态的更改代码中的参数。Tensorflow 使用flags定义命令行参数的方法。ML的模型中有大量需要tuning的超参数,所以此方法,迎合了需要一种灵活的方式对代码某些参数进行调整的需求
(1)、比如,在这个py文件中,首先定义了一些参数,然后将参数统一保存到变量FLAGS中,相当于赋值,后边调用这些参数的时候直接使用FLAGS参数即可
(2)、基本参数类型有三种flags.DEFINE_integer、flags.DEFINE_float、flags.DEFINE_boolean。
(3)、第一个是参数名称,第二个参数是默认值,第三个是参数描述
2、使用过程
#第一步,调用flags = tf.app.flags,进行定义参数名称,并可给定初值、参数说明
#第二步,flags参数直接赋值
#第三步,运行tf.app.run()
FLAGS = tf.flags.FLAGS
tf.flags.DEFINE_string('name', 'default', 'name of the model')
tf.flags.DEFINE_integer('num_seqs', 100, 'number of seqs in one batch')
tf.flags.DEFINE_integer('num_steps', 100, 'length of one seq')
tf.flags.DEFINE_integer('lstm_size', 128, 'size of hidden state of lstm')
tf.flags.DEFINE_integer('num_layers', 2, 'number of lstm layers')
tf.flags.DEFINE_boolean('use_embedding', False, 'whether to use embedding')
tf.flags.DEFINE_integer('embedding_size', 128, 'size of embedding')
tf.flags.DEFINE_float('learning_rate', 0.001, 'learning_rate')
tf.flags.DEFINE_float('train_keep_prob', 0.5, 'dropout rate during training')
tf.flags.DEFINE_string('input_file', '', 'utf8 encoded text file')
tf.flags.DEFINE_integer('max_steps', 100000, 'max steps to train')
tf.flags.DEFINE_integer('save_every_n', 1000, 'save the model every n steps')
tf.flags.DEFINE_integer('log_every_n', 10, 'log to the screen every n steps')
tf.flags.DEFINE_integer('max_vocab', 3500, 'max char number')
示例如下:
import tensorflow as tf
#取上述代码中一部分进行实验
tf.flags.DEFINE_integer('num_seqs', 100, 'number of seqs in one batch')
tf.flags.DEFINE_integer('num_steps', 100, 'length of one seq')
tf.flags.DEFINE_integer('lstm_size', 128, 'size of hidden state of lstm')
#通过print()确定下面内容的功能
FLAGS = tf.flags.FLAGS #FLAGS保存命令行参数的数据
FLAGS._parse_flags() #将其解析成字典存储到FLAGS.__flags中
print(FLAGS.__flags)
print(FLAGS.num_seqs)
print("\nParameters:")
for attr, value in sorted(FLAGS.__flags.items()):
print("{}={}".format(attr.upper(), value))
print("")
遇到问题可以参考:相关解决办法
![微信号](/img/34/9adf494c3b8ebae9000d451f12eb02.jpg)
版权声明
本文为[IT界的小小小学生]所创,转载请带上原文链接,感谢
https://vip01.blog.csdn.net/article/details/102743006
边栏推荐
- 车的换道检测
- hadoop 命令总结
- mac 安装hanlp,以及win下安装与使用
- 6.9.2 session flashmapmanager redirection management
- 【快速因數分解】Pollard's Rho 演算法
- [performance optimization] Nani? Memory overflow again?! It's time to sum up the wave!!
- C language 100 question set 004 - statistics of the number of people of all ages
- 【新閣教育】窮學上位機系列——搭建STEP7模擬環境
- 哇,ElasticSearch多字段权重排序居然可以这么玩
- 分布式ID生成服务,真的有必要搞一个
猜你喜欢
随机推荐
数据产品不就是报表吗?大错特错!这分类里有大学问
Kitty中的动态线程池支持Nacos,Apollo多配置中心了
Listening to silent words: hand in hand teaching you sign language recognition with modelarts
有关PDF417条码码制的结构介绍
Basic principle and application of iptables
mac 下常用快捷键,mac启动ftp
前端模組化簡單總結
drf JWT認證模組與自定製
【新閣教育】窮學上位機系列——搭建STEP7模擬環境
WeihanLi.Npoi 1.11.0/1.12.0 Release Notes
微服務 - 如何解決鏈路追蹤問題
GUI 引擎评价指标
python过滤敏感词记录
Dapr實現分散式有狀態服務的細節
Leetcode's ransom letter
哇,ElasticSearch多字段权重排序居然可以这么玩
安装Anaconda3 后,怎样使用 Python 2.7?
Microservices: how to solve the problem of link tracing
X Window System介紹
Asp.Net Core學習筆記:入門篇