深度学习命令行参数解析

最近看深度学习的代码时， 大多程序运行时是通过命令行的方式实现的。简单做了的小例子：

代码：

import argparse
import os

def decode(args):
    # 参数解析
    print('actionName:',args.action)
    print('batchSize:',args.batch_size)
    print('FilePath:',args.filePath)
    print('ckpt:',args.ckpt)

    print('----------------------')
    #将图像文件路径格式化
    root=args.filePath
    imgs = []  #图像文件名路径元组
    for i in range(10):
        img = os.path.join(root, "%03d.png" % i)
        mask = os.path.join(root, "%03d_mask.png" % i)
        imgs.append((img, mask))

    for j in range(3):
        print(imgs[j])
        print(imgs[j][0])
        print(imgs[j][1])

if __name__ == '__main__':
    parse = argparse.ArgumentParser()
    parse.add_argument("action", type=str, help="train or test")
    parse.add_argument('-bat',"--batch_size", type=int, default=8)  #使用第二个名称，batch_size默认值设为8

    parse.add_argument("--filePath", type=str, default="D:\\")
    parse.add_argument("--ckpt", type=str, help="the path of model weight file")

    args = parse.parse_args()       #获取解析的参数
    decode(args)                    #args参数传给decode函数

运行命令：

python Main.py test --ckpt=weight

运行结果：