argparse 在深度学习中的应用
argparse 介绍
argparse模块主要用来为脚本传递命令参数功能，使他们更加灵活。
代码：
1 parser = argparse.ArgumentParser() #建立解析器，必须写
parser.add_argument()
调用add_argument(）向ArgumentParser对象添加命令行参数信息，这些信息告诉ArgumentParser对象如何处理命令行参数。可以通过调用parse_agrs()来使用这些命令行参数。
参数：
name or flags…[, action][, nargs][, const][, default][, type][, choices][, required][, help][, metavar][, dest]
name or flags:是必须的参数，该参数接受选项参数或者是位置参数（一串文件名）
default: 当参数需要默认值时，由这个参数指定，
type: 使用这个参数，转换输入参数的具体类型,这个参数可以关联到某个自定义的处理函数，这种函数通常用来检查值的范围，以及合法性
choices: 这个参数用来检查输入参数的范围
required: 当某个选项指定需要在命令中出现的时候用这个参数
help: 使用这个参数描述选项作用
1 parser = argparse.ArgumentParser() 2 parser.add_argument('--gan_type', type=str, default='GAN', 3 choices=['GAN', 'CGAN', 'infoGAN', 'ACGAN', 'EBGAN', 'BEGAN', 'WGAN', 'WGAN_GP', 'DRAGAN', 'LSGAN', 'VAE', 'CVAE'], 4 help='The type of GAN', required=True) 5 parser.add_argument('--dataset', type=str, default='mnist', choices=['mnist', 'fashion-mnist', 'celebA'], 6 help='The name of dataset') 7 parser.add_argument('--epoch', type=int, default=20, help='The number of epochs to run') 8 parser.add_argument('--batch_size', type=int, default=64, help='The size of batch') 9 parser.add_argument('--z_dim', type=int, default=62, help='Dimension of noise vector')
parser.parse_args()
通过调用parse_args()来解析ArgumentParser对象中保存的命令行参数：将命令行参数解析成相应的数据类型并采取相应的动作，它返回一个Namespace对象。
1 print(parser.parse_args())
输出： usage: test.py [-h] --gan_type
{GAN,CGAN,infoGAN,ACGAN,EBGAN,BEGAN,WGAN,WGAN_GP,DRAGAN,LSGAN,VAE,CVAE}
[--dataset {mnist,fashion-mnist,celebA}] [--epoch EPOCH]
[--batch_size BATCH_SIZE] [--z_dim Z_DIM]
test.py: error: the following arguments are required: --gan_type 因为 required
这样写的话：
1 print(parser.parse_args(["--gan_type", "GAN"])) #传入参数
输出： Namespace(batch_size=64, dataset='mnist', epoch=20, gan_type='GAN', z_dim=62)
从对象中直接拿参数：
a = parser.parse_args(["--gan_type", "GAN"]
print(a.z_dim, a.batch_size)
结果：62 64
