Яка мета tf.app.flags в TensorFlow?

Я читаю кілька прикладів кодів у Tensorflow, я знайшов наступний 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

Але я не можу знайти жодних документів про це використання tf.app.flags.

І я виявив, що реалізація цих прапорів саме в tensorflow/tensorflow/python/platform/default/_flags.py

Очевидно, це tf.app.flagsякимось чином використовується для налаштування мережі, так чому її немає в документах API? Хтось може пояснити, що тут відбувається?

На tf.app.flagsданий момент модуль є тонкою обгорткою навколо python-gflags, тому документація для цього проекту є найкращим ресурсом для його використання argparse , який реалізує підмножину функціоналу в python-gflags.

Зауважте, що цей модуль наразі є зручним для написання демонстраційних програм і технічно не є частиною загальнодоступного API, тому він може змінитися в майбутньому.

Ми рекомендуємо вам реалізувати власний розбір прапора за допомогою argparseабо будь-якої бібліотеки, яку ви бажаєте.

EDIT:tf.app.flags модуль фактично не реалізований з використанням python-gflags, але він використовує подібний API.

tf.app.flagsМодуль представляє собою функціональні можливості, що забезпечуються Tensorflow реалізувати прапори командного рядка для вашої програми Tensorflow. Наприклад, код, на який ви натрапили, зробив би наступне:

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

Перший параметр визначає ім'я прапора, а другий визначає значення за замовчуванням у випадку, якщо прапор не вказаний під час виконання файлу.

Тож якщо ви запускаєте наступне:

$ python fully_connected_feed.py --learning_rate 1.00

тоді рівень навчання встановлюється на 1,00 і залишатиметься 0,01, якщо прапор не вказаний.

Як уже згадувалося в цій статті , документів, ймовірно, немає, оскільки це може бути те, що Google вимагає внутрішньо для своїх розробників.

Також, як згадується у публікації, є кілька переваг використання прапорів Tensorflow над функціональністю прапора, що надається іншими пакетами Python, наприклад, argparseособливо при роботі з моделями Tensorflow, найважливішим є те, що ви можете надати Tensorflow конкретну інформацію до коду, такого як інформація про те, який GPU використовувати.

В Google вони використовують системи прапорців для встановлення значень за замовчуванням для аргументів. Це схоже на аргпарз. Вони використовують власну систему прапор замість argparse або sys.argv.

Джерело: Я працював там раніше.

Під час використання tf.app.run()ви можете перенести змінну дуже зручно між потоками, використовуючи tf.app.flags. Дивіться це для подальшого використання tf.app.flags.

Після багатьох спроб я виявив це, щоб надрукувати весь ключ FLAGS, а також фактичне значення -

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

  print(key, FLAGS[key].value)