自学教程：Python实现解析参数的三种方法详解

今天我们分享的主要目的就是通过在 Python 中使用命令行和配置文件来提高代码的效率

Let's go!

我们以机器学习当中的调参过程来进行实践，有三种方式可供选择。第一个选项是使用 argparse，它是一个流行的 Python 模块，专门用于命令行解析；另一种方法是读取 JSON 文件，我们可以在其中放置所有超参数；第三种也是鲜为人知的方法是使用 YAML 文件！好奇吗，让我们开始吧！

先决条件

在下面的代码中，我将使用 Visual Studio Code，这是一个非常高效的集成 Python 开发环境。这个工具的美妙之处在于它通过安装扩展支持每种编程语言，集成终端并允许同时处理大量 Python 脚本和 Jupyter 笔记本

当然如果你还不知道怎么配置 VSCode，可以看这里

手把手将Visual Studio Code变成Python开发神器

数据集，使用的是 Kaggle 上的共享自行车数据集，可以在这里下载或者在文末获取

使用 argparse

就像上图所示，我们有一个标准的结构来组织我们的小项目：

• 包含我们数据集的名为 data 的文件夹
• train.py 文件
• 用于指定超参数的 options.py 文件

首先，我们可以创建一个文件 train.py，在其中我们有导入数据、在训练数据上训练模型并在测试集上对其进行评估的基本程序：

import
一文搞懂Python的函数传参机制
Python