当我们执行某个Python代码，例如文件mycode.py时，想要传递一些可以随时改变的自定义的参数。
比如在训练神经网络的时候，我们为了方便修改训练的batch大小，epoch的大小等等，往往不想去动代码。
此时最方便的方法就是在执行代码的时候从命令行传入参数。
argparse.ArgumentParser()可以很好地满足这一需求。
1.简单示例
先看一段简单的代码，在名为mycode.py的文件中
import argparse
parser = argparse.ArgumentParser()
parser.add_argument("square", help="display a square of a given number", type=int)
args = parser.parse_args()
print(args.square**2)改代码首先创建一个ArgumentParser对象，而添加为了参数square，则采用方法parser.add_argument。
每添加一个参数，就需要调用一次该方法。
args = parser.parse_args()则是使得改代码生效。
执行这段代码时，我们在命令行输入
$ python mycode.py 9可以得到输出结果是9的平方，即81。
当然，添加多个参数时，执行的时候顺序输入这些参数。
例如mycode.py中是如下代码：
import argparse
parser = argparse.ArgumentParser()
parser.add_argument("square", help="display a square of a given number", type=int)
parser.add_argument("number", help="display a given number", type=int)
args = parser.parse_args()
print(args.square**2)
print(args.number)我们在命令行输入
$ python mycode.py 20 999可以得到输出结果是
400
999
2.argparse.ArgumentParser()：创建对象
argparse.ArgumentParser()可设置的参数挺多，这里只提一下description这一个参数，他是一个自定义文本参数，可以用来描述这个程序是做什么的，也可以随便写点东西，总之，不影响程序的功能，可以看做是个注释。
例如执行下一段代码
parser = argparse.ArgumentParser(description='PyTorch MNIST pruning from deep compression paper')
parser.add_argument("square", help="display a square of a given number", type=int)
parser.add_argument("number", help="display a given number", type=int)
args = parser.parse_args()
print(args.square**2)
print(args.number)
parser.print_help()其中parser.print_help()的功能是我们创建的parser的相关信息。
命令行输入
$ python mycode.py 20 999输出结果为
400
999
usage: day1.py [-h] square numberPyTorch MNIST pruning from deep compression paper
positional arguments:
square display a square of a given number
number display a given numberoptional arguments:
-h, --help show this help message and exit
可以看到，description中的文字也得到了输出。
3.parser.add_argument()：添加参数
parser.add_argument()可配置的参数比较多，第一个是name，也就是名称。
前面的例子中，我们用了
parser.add_argument("square", help="display a square of a given number", type=int)其中"square"就是传递给name的参数（也可以单引号的’square’）。
这里还有个help参数，他和argparse.ArgumentParser()中的description类似，没有实际作用，起到一个注释的作用，会在parser.print_help()后打印出来。
而显然type参数指定了输入参数的类型，int是整数，float是浮点，str是字符串。
回到name参数，他除了可以直接用上面的square字符串，也可以一个横杠加字符串以及两个横杠加字符串，例如’-sqaure’和’–square’。
常见的是两个横杠的写法。下面来说说我个人发现的区别。
没有横杠的写法，如我们前面所示，在命令行传入参数的时候，不需要重写名字，直接输入参数：
$ python mycode.py 20 999但是假如使用两个横杠的name，直接传入参数会报错，需要在传入参数的时候重写name。
例如下列代码
parser = argparse.ArgumentParser(description='PyTorch MNIST pruning from deep compression paper')
parser.add_argument("--square", help="display a square of a given number", type=int)
parser.add_argument("--number", help="display a given number", type=int)
args = parser.parse_args()
print(args.square**2)
print(args.number)命令行执行时需要
$ python mycode.py --square 20 --number 999另外一个需要提到的点是name的取名时，字符串中的横杠和下划线似乎是等价的。
例如
parser.add_argument('--batch_size', type=int, default=50)和
parser.add_argument('--batch-size', type=int, default=50)是等价的。但是传递参数的时候，name是横杠也得用横杠；name是下划线也得用下划线：
parser.add_argument('--batch_size', type=int, default=50)
$ python mycode.py --batch_size 128或者
parser.add_argument('--batch-size', type=int, default=50)
$ python mycode.py --batch-size 128调用的时候统一用下划线：
print(args.batch_size)个人建议传递name的时候还是用下划线别用横杠，方便查找。
这里default用于定义没有传递参数时，该参数的默认值。
需要注意的是，name参数用横杠的名称的时候设置default值，命令行执行程序的时候可以不传入参数或者传入部分参数，没传入的参数使用默认值；name参数用没有横杠的名称的时候，必须传入参数。
下面的parser.add_argument()用到了action参数：
parser.add_argument('--no-cuda', action='store_true',help='disables CUDA training')action='store_true’表示如果我们在命令行配置这个参数，则该参数为True；不配置则默认为False。
类似的action='store_false’表示如果我们在命令行配置这个参数，则该参数为False；不配置则默认为True。
配置action类型的参数不需要传入具体的数值或者字符串，例如上例中，只需要
$ python mycode.py ----no-cuda则表示对该参数进行了配置，他会被设为True。
metavar参数只对用parser.print_help()打印参数信息的时候会有影响，并不影响程序的其他功能。
例如
parser = argparse.ArgumentParser(description='PyTorch MNIST pruning from deep compression paper')
parser.add_argument('--batch_size', type=int, default=50,
help='input batch size for training (default: 50)')
args = parser.parse_args()
parser.print_help()打印结果为
usage: day1.py [-h] [--batch_size BATCH_SIZE]
PyTorch MNIST pruning from deep compression paper
optional arguments:
-h, --help show this help message and exit
--batch_size BATCH_SIZE
input batch size for training (default: 50)
假如设置metavar参数：
parser = argparse.ArgumentParser(description='PyTorch MNIST pruning from deep compression paper')
parser.add_argument('--batch_size', type=int, default=50, metavar='N',
help='input batch size for training (default: 50)')
args = parser.parse_args()
parser.print_help()打印结果为
usage: day1.py [-h] [--batch_size N]
PyTorch MNIST pruning from deep compression paper
optional arguments:
-h, --help show this help message and exit
--batch_size N input batch size for training (default: 50)
可见，只是改变了一些参数的显示。
为传递多个参数，可以用nagrs。当nargs为1时，有且只能传入一个参数：
import argparse
parser = argparse.ArgumentParser()
parser.add_argument('--one', nargs=1, required=True)
args = parser.parse_args()
print(args.one)输出
$ python mycode.py --one 1
$ ['1']
当nargs为其他数值，例如3时，表示必须传入3个参数：
import argparse
parser = argparse.ArgumentParser()
parser.add_argument('--three', nargs=3, required=True)
args = parser.parse_args()
print(args.three)输出
$ python mycode.py --three 1 2 3
$ ['1', '2', '3']
当设置了nargs参数，则输出是一个list。
dest参数可以改变argparse.ArgumentParser()对应的参数调用时候的名称。
例如下面这一段
import argparse
parser = argparse.ArgumentParser(description='Process some integers.')
parser.add_argument('integers', metavar='N', type=int, nargs='+',
help='an integer for the accumulator')
parser.add_argument('--sum', dest='accumulate', action='store_const',
const=sum, default=max,
help='sum the integers (default: find the max)')
args = parser.parse_args()
print(args.accumulate(args.integers))如果第二个参数没有dest=‘accumulate’，则在调用的时候，最后一行代码只能是
print(args.sum(args.integers))dest使得它在调用的时候被改名。但要注意在命令行传入参数的时候仍然是用name的字符串，即–sum。
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持编程网。
