def build_string_from_dict(d, sep='__'):
fd = _flatten_dict(d)
return sep.join(['{}={}'.format(k, _value2str(fd[k])) for k in sorted(fd.keys())])
def _flatten_dict(d, parent_key='', sep='_'):
# from http://stackoverflow.com/a/6027615/2476373
items = []
for k, v in d.items():
new_key = parent_key + sep + k if parent_key else k
if isinstance(v, collections.MutableMapping):
items.extend(_flatten_dict(v, new_key, sep=sep).items())
else:
items.append((new_key, v))
return dict(items)
flags_dict = vars(FLAGS)['__flags']
print build_string_from_dict(flags_dict)
我猜你是想自动存储超参数作为文件名的一部分,以便更好地组织你的实验?不幸的是,使用TensorFlow没有一个好的方法来实现这一点,但是您可以查看一些构建在它之上的高级框架,看看它们是否提供了类似的功能。你知道吗
我最终成功地做到了这一点,将FLAGS对象视为字典,然后将字典扁平化为key=value字符串。你知道吗
代码如下:
相关问题 更多 >
编程相关推荐