pytorch 设置参数

---

前言

深度学习的pytorch框架学习，有错误的地方请大家批评指正

一、openAI的官方代码

def create_argparser():
    defaults = dict(
        data_dir="",
        schedule_sampler="uniform",
        lr=1e-4,
        weight_decay=0.0,
        lr_anneal_steps=0,
        batch_size=1,
        microbatch=-1,  # -1 disables microbatches
        ema_rate="0.9999",  # comma-separated list of EMA values
        log_interval=10,
        save_interval=10000,
        resume_checkpoint="",
        use_fp16=False,
        fp16_scale_growth=1e-3,
    )
    defaults.update(model_and_diffusion_defaults())
    parser = argparse.ArgumentParser()
    add_dict_to_argparser(parser, defaults)
    return parser

二、解析

1.使用字典，简化添加参数过程

    parser = argparse.ArgumentParser()
    add_dict_to_argparser(parser, defaults)

2. add_dict_to_argparser函数

代码如下（示例）：

def add_dict_to_argparser(parser, default_dict):
    for k, v in default_dict.items():
        v_type = type(v)
        if v is None:
            v_type = str
        elif isinstance(v, bool):
            v_type = str2bool
        parser.add_argument(f"--{k}", default=v, type=v_type)

2. add_dict_to_argparser函数

    parser = argparse.ArgumentParser()
    parser.add_argument('--batch_size', default=128, type=int,help='Size of a training mini-batch.')

---

总结

使用新办法可以快速添加参数，很方便，而且看起来很简洁美观