tf.app.run()如何工作？

Question

如何tf.app.run()在Tensorflow中翻译演示？

在tensorflow/models/rnn/translate/translate.py,有一个电话tf.app.run().怎么处理？

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

Answer 1

if __name__ == "__main__":

表示当前文件在shell下执行,而不是作为模块导入.

tf.app.run()

正如你可以看到的文件 app.py

def run(main=None, argv=None):
  """Runs the program with an optional 'main' function and 'argv' list."""
  f = flags.FLAGS

  # Extract the args from the optional `argv` list.
  args = argv[1:] if argv else None

  # Parse the known flags from that list, or from the command
  # line otherwise.
  # pylint: disable=protected-access
  flags_passthrough = f._parse_flags(args=args)
  # pylint: enable=protected-access

  main = main or sys.modules['__main__'].main

  # Call the main function, passing through any arguments
  # to the final program.
  sys.exit(main(sys.argv[:1] + flags_passthrough))

让我们一行一行:

flags_passthrough = f._parse_flags(args=args)

这可以确保您通过命令行传递的参数有效,例如, python my_model.py --data_dir='...' --max_iteration=10000实际上,此功能是基于python标准argparse模块实现的.

main = main or sys.modules['__main__'].main

第一个main在右边=是当前函数的第一个参数run(main=None, argv=None) .而sys.modules['__main__']意味着当前正在运行的文件(例如my_model.py).

所以有两种情况:

1. 你没有main功能my_model.py然后你必须打电话tf.app.run(my_main_running_function)

2. 你有一个main功能my_model.py.(大多数情况都是如此.)

最后一行:

sys.exit(main(sys.argv[:1] + flags_passthrough))

确保使用已解析的参数正确调用您的函数main(argv)或my_main_running_function(argv)函数.

Answer 2

它只是一个非常快速的包装器,处理标志解析,然后调度到您自己的主.看代码.

Answer 3

没什么特别的tf.app.这只是一个普通的切入点脚本,这

使用可选的"main"函数和"argv"列表运行程序.

它与神经网络无关,它只调用main函数,通过任何参数传递给它.

Answer 4

简单来说，工作tf.app.run()是首先设置全局标志以供以后使用，例如：

from tensorflow.python.platform import flags
f = flags.FLAGS

然后使用一组参数运行您的自定义 main函数。

例如，在TensorFlow NMT代码库中，用于训练/推理的程序执行的第一个入口点从此时开始（见下面的代码）

if __name__ == "__main__":
  nmt_parser = argparse.ArgumentParser()
  add_arguments(nmt_parser)
  FLAGS, unparsed = nmt_parser.parse_known_args()
  tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)

使用解析参数后argparse，tf.app.run()运行函数“main”，其定义如下：

def main(unused_argv):
  default_hparams = create_hparams(FLAGS)
  train_fn = train.train
  inference_fn = inference.inference
  run_main(FLAGS, default_hparams, train_fn, inference_fn)

因此，在设置全局使用的标志后，tf.app.run()只需运行main您argv作为参数传递给它的函数。

PS：正如萨尔瓦多·达利 (Salvador Dali) 的回答所说，我猜这只是一种很好的软件工程实践，尽管我不确定 TensorFlow 是否会执行任何优化的main函数运行，而不是使用普通 CPython 运行的运行。