Python 如何使用；旗帜；（命令行开关）在TensorFlow中？

我正在尝试在应用程序中设置自定义批量大小

如果我将以下代码放入我的应用程序

tf.app.flags.DEFINE_integer('batch_size', 128,
                            """Number of images to process in a batch.""")

它说了下面的错误

argparse.ArgumentError: argument --batch_size: conflicting option string(s): --batch_size

如果我删除这句话，它发誓：

usage: <myscript> [-h] [--batch_size BATCH_SIZE] [--data_dir DATA_DIR]
                      [--checkpoint_dir CHECKPOINT_DIR]

---

PNG是我希望从命令行识别的来自CIFAR数据库的图像。这是我希望的命令行，我不希望它包含“用法”输出中列出的选项。

我怀疑您正在导入已定义了

批处理大小

标志的文件，错误是因为您试图用相同的名称重新定义标志。如果要导入

cifar10

，只需从命令行使用

--batch\u size

，并在代码中使用

标志。batch\u size

。

从更新中，听起来您根本不想使用

标志

模块。如果查看类似于

cifar10\u train.py

的程序，您将看到以下内容：

调用是一个样板文件，它确保解析所有标志，然后在同一模块中调用

main（）

函数。请注意，

main（）

有一个

argv

参数。这将填充程序的剩余参数：在您的示例中，它将是一个列表

[“image1.png”、“image2.png”、“image3.png”]

。因此，您可以简单地将

main（）

函数编写为如下内容：

def main(argv=None):
  if argv:
    for filename in argv:
      run_inference_on_file(filename)

---

能否添加用于运行脚本的命令行？我希望处理的图像PNG文件列表。这就是我想要的，我不想从命令行设置

batch\u size

。如果python已经有了一个工作正常的标志包装器/库，为什么TensorFlow会有一个标志包装器/库？文档中有没有涉及标志的地方？

def main(argv=None):  # pylint: disable=unused-argument
  # ...

if __name__ == '__main__':
  tf.app.run()

def main(argv=None):
  if argv:
    for filename in argv:
      run_inference_on_file(filename)