Какова цель tf.app.flags в TensorFlow?

Я читаю несколько примеров кодов в Tensorflow, я нашел следующий код

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.')

в tensorflow/tensorflow/g3doc/tutorials/mnist/fully_connected_feed.py

Но я не могу найти никаких документов об этом использовании tf.app.flags.

И я обнаружил, что реализация этих флагов находится в tensorflow/tensorflow/python/platform/default/_flags.py

Очевидно, это tf.app.flagsкак-то используется для настройки сети, так почему этого нет в документации API? Кто-нибудь может объяснить, что здесь происходит?

В tf.app.flagsнастоящее время модуль представляет собой тонкую оболочку вокруг python-gflags, поэтому документация для этого проекта - лучший ресурс для того, как его использовать argparse , который реализует подмножество функций в python-gflags.

Обратите внимание, что этот модуль в настоящее время упакован для удобства написания демонстрационных приложений и технически не является частью общедоступного API, поэтому он может измениться в будущем.

Мы рекомендуем вам реализовать собственный синтаксический анализ флагов с помощью argparseлюбой библиотеки, которую вы предпочитаете.

EDIT:tf.app.flags модуль фактически не реализован с использованием python-gflags, но он использует подобный API.

tf.app.flagsМодуль представляет собой функциональные возможности, обеспечиваемые Tensorflow реализовать флаги командной строки для вашей программы Tensorflow. Например, код, с которым вы столкнулись, будет делать следующее:

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

Первый параметр определяет имя флага, а второй определяет значение по умолчанию в случае, если флаг не указан при выполнении файла.

Итак, если вы запустите следующее:

$ python fully_connected_feed.py --learning_rate 1.00

тогда скорость обучения устанавливается на 1,00 и останется 0,01, если флаг не указан.

Как упоминалось в этой статье , документы, вероятно, отсутствуют, потому что это может быть то, что Google требует для внутреннего использования разработчиками.

Кроме того, как упоминалось в сообщении, есть несколько преимуществ использования флагов Tensorflow по сравнению с функциональностью флагов, предоставляемой другими пакетами Python, например, argparseособенно при работе с моделями Tensorflow, наиболее важным из которых является то, что вы можете предоставить конкретную информацию Tensorflow в код, такую ​​как информация о том, какой GPU использовать.

В Google они используют системы флагов для установки значений по умолчанию для аргументов. Это похоже на argparse. Они используют свою собственную систему флагов вместо argparse или sys.argv.

Источник: Я работал там раньше.

Когда вы используете tf.app.run(), вы можете очень удобно передавать переменную между потоками, используя tf.app.flags. См. Это для дальнейшего использования tf.app.flags.

После многих попыток я обнаружил, что это печатает все ключи FLAGS, а также фактическое значение -

for key in tf.app.flags.FLAGS.flag_values_dict():

  print(key, FLAGS[key].value)