TensorFlow中tf.app.flags的用途是什么？

Question

我正在阅读Tensorflow中的一些示例代码，我发现了以下代码

flags = tf.app.flags
FLAGS = flags.FLAGS
flags.DEFINE_float('learning_rate', 0.01, 'Initial learning rate.')
flags.DEFINE_integer('max_steps', 2000, 'Number of steps to run trainer.')
flags.DEFINE_integer('hidden1', 128, 'Number of units in hidden layer 1.')
flags.DEFINE_integer('hidden2', 32, 'Number of units in hidden layer 2.')
flags.DEFINE_integer('batch_size', 100, 'Batch size.  '
                 'Must divide evenly into the dataset sizes.')
flags.DEFINE_string('train_dir', 'data', 'Directory to put the training data.')
flags.DEFINE_boolean('fake_data', False, 'If true, uses fake data '
                 'for unit testing.')

在tensorflow/tensorflow/g3doc/tutorials/mnist/fully_connected_feed.py中

但是我找不到任何关于tf.app.flags这个用法的文档。

我发现这个标志的实现在 ^{}

显然，这个tf.app.flags以某种方式用于配置网络，那么为什么它不在API文档中呢？有人能解释这是怎么回事吗？

Answer 1

tf.app.flags模块是Tensorflow提供的一个功能，用于实现Tensorflow程序的命令行标志。例如，您遇到的代码将执行以下操作：

flags.DEFINE_float('learning_rate', 0.01, 'Initial learning rate.')

第一个参数定义标志的名称，第二个参数定义默认值，以防在执行文件时未指定标志。

因此，如果运行以下命令：

$ python fully_connected_feed.py --learning_rate 1.00

然后将学习速率设置为1.00，如果未指定标志，则保持0.01。

如in this article所述，文档可能不存在，因为这可能是Google内部要求开发人员使用的东西。

此外，正如在文章中提到的，使用Tensorflow标志比其他Python包（如argparse）提供的标志功能有几个优点，特别是在处理Tensorflow模型时，最重要的是可以向代码提供Tensorflow特定的信息，如关于要使用哪个GPU的信息。

Answer 2

tf.app.flags模块目前是python gflags的瘦包装，因此documentation for that project是如何使用它的最佳资源，它实现了^{}中的功能子集。

请注意，此模块当前打包为便于编写演示应用程序，技术上不属于公共API的一部分，因此将来可能会发生更改。

我们建议您使用argparse或您喜欢的任何库实现自己的标志解析。

编辑：实际上，tf.app.flags模块不是使用python-gflags实现的，而是使用类似的API。

Answer 3

在Google，他们使用标志系统来设置参数的默认值。它类似于argparse。它们使用自己的标志系统，而不是argparse或sys.argv。

资料来源：我以前在那里工作过。