python脚本传参

• sys.argv
• argparse

?第一种：argparse

简单使用：

import argparse 

# 创建一个参数解析实例
parser = argparse.ArgumentParser(description='Parameters') 

# 添加参数解析
parser.add_argument('--training_epoch', type=int, default=3000)
parser.add_argument('--learning_rate', type=float, default=0.001)
parser.add_argument('--model_name', type=str, default='lstm')

# 开始解析

args = parser.parse_args(args=[]) 

# 输出参数
print({args})
print(args.training_epoch)
print(args.learning_rate)
print(args.model_name)

parser.add_argument('--go', help='input file path')

name or flags:
普通参数或flag参数选项参数的名称或标签，例如 epochs 或者 -e, --epochs。Flag参数不需要指定参数值，只需要带有参数名即可。
action: 命令行遇到flags参数时的动作。有两个常见的动作，store_true：设定flag参数为true；-store_false：设定flag参数为False。注意：如果直接运行程序，默认不读取该变量，要使用必须要进行传参，例如：python try.py --epochs
nargs: 应该读取的命令行参数个数，可以是具体的数字，或者是?号，当不指定值时对于 Positional argument 使用 default，对于 Optional argument 使用 const；或者是 * 号，表示 0 或多个参数；或者是 + 号表示 1 或多个参数。
default: 不指定参数时该参数的默认值。
type: 命令行参数应该被转换成的数据类型。
required: 是否为必选参数或可选参数。
help: 参数的帮助信息。
metavar： 在 usage 说明中的参数名称，对于必选参数，默认就是参数名称，对于可选参数默认是全大写的参数名称。
dest： 解析后的参数名称，默认情况下，对于可选参数选取最长的名称，中划线转换为下划线.
choices： 参数可允许的值的一个容器。
const： action 和 nargs 所需要的常量值。
store_const：表示赋值为const；
append：将遇到的值存储成列表，也就是如果参数重复则会保存多个值;
append_const：将参数规范中定义的一个值保存到一个列表；
count：存储遇到的次数；此外，也可以继承 argparse.Action 自定义参数解析；
?

可以给KerasReadModel.py直接控制台传参数：

import argparse
parser = argparse.ArgumentParser()
## nargs='+'接受1个或多个参数，
## nargs='*'接受零个或多个
parser.add_argument('--list', nargs='+', help='<Required> Set flag', required=True)
args = parser.parse_args()

if __name__ == '__main__':
    print(args.list)

运行结果如下:

?

import argparse
parser = argparse.ArgumentParser()
parser.add_argument('--ll', action='append', help='<Required> Set flag', required=True)
args = parser.parse_args()

if __name__ == '__main__':
    print(args.ll)

?运行示例及结果:

亲测：讲文件KerasReadModel.py进行打包KerasReadModel.exe，然后控制台传入参数

import tensorflow as tf
from sklearn.preprocessing import StandardScaler
import argparse
import numpy as np

def readModel():
        parser = argparse.ArgumentParser()
        parser.add_argument('--test_data', type=float, nargs='+', required=True)
        args = parser.parse_args()
        test_array = np.array(args.test_data)  # 将传入的list转为array类型
        print('test_array:',test_array)
        ne_test_array=test_array.reshape(1,7).tolist()
        print('ne_test_array:', ne_test_array)
        # data_x = [[1, 80, 170, 50, 370, 79.3, 0]]
        sc = StandardScaler()
        x_data = sc.fit_transform(ne_test_array)
        new_model = tf.keras.models.load_model('./saved_model/blood_model', compile=False,
                                               custom_objects={"TrajGRUCell": 'TrajGRUCell', "TrajGRU": 'TrajGRU'})
        y_pred = new_model.predict(x_data)
        print(y_pred)

if __name__ == "__main__":

        readModel()

?注意reshape用法记录一下：

# numpy中reshape函数的三种常见相关用法
#
# reshape(1,-1)转化成1行：
#
# reshape(2,-1)转换成两行：
#
# reshape(-1,1)转换成1列：
#
# reshape(-1,2)转化成两列
# 如果一个 ndarray 有 个元素，那么它的 reshape(-1, 1, 2) 方法将返回一个 shape = (n, 1, 2) 的 ndarray.

打包文件和模型放到一起：

?

控制台执行命令：

E:\开发工具\pythonProject\flaskTest\dist>KerasReadModel.exe --test_data 0 80 170 50 370 79 0
?

?

成功！

?第二种：sys.args

实际测试，传递列表

def readModel():
        test_data=sys.argv[1:]
        print('test_data:', test_data)
        test_array = np.array(test_data)  # 将传入的list转为array类型
        print('test_array:',test_array)
        ne_test_array=test_array.reshape(1,7).tolist()
        # data_x = [[1, 80, 170, 50, 370, 79.3, 0]]
        sc = StandardScaler()
        x_data = sc.fit_transform(ne_test_array)
        new_model = tf.keras.models.load_model('./saved_model/blood_model', compile=False,
                                               custom_objects={"TrajGRUCell": 'TrajGRUCell', "TrajGRU": 'TrajGRU'})
        y_pred = new_model.predict(x_data)
        print(y_pred)

if __name__ == "__main__":

        readModel()

(venv) E:\开发工具\pythonProject\flaskTest>KerasReadModel.py 1 80 170 50 370 79.3 0

?

详细用法来自网上：

一、sys.argv[0]
sys.argv[0] 用来获取执行的脚本名称。?

# test.py
import sys

def receive_args():
    file_name = sys.argv[0]
    print file_name

receive_args()

执行结果：
#python test.py 
test.py

二、sys.argv[:]
sys.argv[:]用来获取参数列表，注意sys.argv[1:]这样可以去掉脚本名称

import sys

def receive_args():
    file_name = sys.argv[0]
    all_args = sys.argv[:]
    print file_name
    print all_args

receive_args()

#python test.py "2023-03-14" "liming" "shopping"
test.py
['test.py', '2023-03-14', 'liming', 'shopping']

?三、sys.argv[n]
n 代表数字1,2,3… 表示第几个参数，用来获取指定参数

import sys

def receive_args():
    file_name = sys.argv[0]
    all_args = sys.argv[:]
    time = sys.argv[1]
    who = sys.argv[2]
    do_what = sys.argv[3]
    print file_name
    print all_args
    print time
    print who
    print do_what

receive_args()

#python test.py "2023-03-14" "liming" "shopping"
test.py
['test.py', '2023-03-14', 'liming', 'shopping']
2023-03-14
liming
shopping

?四、利用列表其他属性
下面仅使用append()方法

import sys

def receive_args():
    file_name = sys.argv[0]
    all_args = sys.argv[:]
    time = sys.argv[1]
    who = sys.argv[2]
    do_what = sys.argv[3]
    print file_name
    print all_args
    print time
    print who
    print do_what
    all_args.append("morning")
    print all_args


receive_args()

#python test.py "2023-03-14" "liming" "shopping"
test.py
['test.py', '2023-03-14', 'liming', 'shopping']
2023-03-14
liming
shopping
['test.py', '2023-03-14', 'liming', 'shopping', 'morning']

?