Python yacs库

      yacs是一个python库，用于定义和管理系统配置，比如那些通常可以在为科学实验设计的软件中找到的配置。这些“配置”通常包括用于训练机器学习模型的超参数

     之前有很多经典的工作用它进行参数配置，不过现在貌似开始有些过时

像这样

from yacs.config import CfgNode as CN
import yaml
import argparse
# define the default parameters and values
_C = CN()
_C.exp_group = 'default'
_C.exp_name = 'exp_name'
_C.description = '
_C.data = CN()
_C.data.batch_size = 16
# call this each time you want the default values
def get_cfg_defaults():
return _C.clone()
"""
Then you use a .yaml file to specify parameters for each experiment
You can only include part of the parameters. Other parameters will
adopt the default values in the "_C.xxx" part above:
A sample yaml file content is like below. It only specifies two parameters:
exp_group: 'imagenet'
data:
batch_size: 32
"""
# do this in your training code
# get the default values
cfg = get_cfg_defaults()
# update some values from the yaml file to overwrite default values
cfg.merge_from_file(config_fp)
# use this to take parameter values from the command line
# and overwrite the above
parser = argparse.ArgumentParser()
parser.add_argument(
"opts",
help="Override config options using the command-line",
default=None,
nargs=argparse.REMAINDER)
args = parser.parse_args()
cfg.merge_from_list(args.opts)
# dump all the parameters into a file to save as a record
with open('%s/config.yaml' % record_dir, 'w') as f:
f.write(cfg.dump())

最后

以上就是忧郁大叔为你收集整理的Python yacs库的全部内容，希望文章能够帮你解决Python yacs库所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。