TensorFlow-谷歌深度学习库 命令行参数

程序的入口：

tf.app.run

tf.app.run(
    main=None,
    argv=None
)

运行程序，可以提供‘main’函数以及函数参数列表。处理flag解析然后执行main函数。

什么是flag解析呢？

由于深度学习神经网络往往需要对各种Hyperparameter调优，比如学习率，卷积核参数设置等等， 这时使用命令行调参是非常方便的。

需要用到TensorFlow框架中的tf.app.flags组件

tf.app.flags组件中提供很多自带的设置不同类型命令行参数以及其默认值。比如下面这些：

tf.app.flags.DEFINE_integer

tf.app.flags.DEFINE_string

tf.app.flags.DEFINE_float

tf.app.flags.DEFINE_bool

举个最简单的例子的话是这样：

FLAGS = tf.app.flags.FLAGS  # 声明FLAGS对象

# Configuration (alphabetically)
tf.app.flags.DEFINE_integer(\'batch_size\', 16,
                            "Number of samples per batch.")

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

tf.ConfigProto

tf.ConfigProto()函数用在创建session的时候，用来对session进行参数配置。

它可以用来

1. 记录设备指派情况 tf.ConfigProto(log_device_placement=True)

是否打印设备分配日志，设置tf.ConfigProto()中参数log_device_placement = True ， 会在终端打印出各项操作是在哪个设备上运行的。

tf.set_random_seed(seed)

设置图级随机seed。

依赖于随机seed的操作实际上从两个seed中获取：图级和操作级seed。 这将设置图级别的seed。

其与操作级seed的相互作用如下：

1.如果没有设置图形级别和操作seed，则使用随机seed进行操作。

2.如果设置了图级seed，但操作seed没有设置：系统确定性地选择与图级seed一起的操作seed，以便获得唯一的随机序列。

3.如果没有设置图级seed，但是设置了操作seed：使用默认的图级seed和指定的操作seed来确定随机序列。

4.如果图级和操作seed都被设置：两个seed联合使用以确定随机序列。

http://www.cnblogs.com/antflow/p/7234144.html