TensorFlow中的tf.app.flags的目的是什么？

我在Tensorflow中阅读一些示例代码，发现以下代码

flags = tf.app.flags
FLAGS = flags.FLAGS
flags.DEFINE_float('learning_rate', 0.01, 'Initial learning rate.')
flags.DEFINE_integer('max_steps', 2000, 'Number of steps to run trainer.')
flags.DEFINE_integer('hidden1', 128, 'Number of units in hidden layer 1.')
flags.DEFINE_integer('hidden2', 32, 'Number of units in hidden layer 2.')
flags.DEFINE_integer('batch_size', 100, 'Batch size.  '
                 'Must divide evenly into the dataset sizes.')
flags.DEFINE_string('train_dir', 'data', 'Directory to put the training data.')
flags.DEFINE_boolean('fake_data', False, 'If true, uses fake data '
                 'for unit testing.')

在 tensorflow/tensorflow/g3doc/tutorials/mnist/fully_connected_feed.py

但我找不到有关的用法的任何文档tf.app.flags。

我发现该标志的实现在 tensorflow/tensorflow/python/platform/default/_flags.py

显然，这tf.app.flags是以某种方式用于配置网络的，所以为什么在API文档中没有呢？谁能解释这是怎么回事？

该tf.app.flags模块目前是python-gflags的 一个瘦包装，因此该项目的文档是如何使用它的最佳资源argparse，它实现了一部分功能python-gflags。

请注意，该模块当前已打包为方便编写演示应用程序使用，从技术上讲，它不是公共API的一部分，因此将来可能会更改。

我们建议您使用argparse或任何您喜欢的库来实现自己的标志解析。

编辑：该tf.app.flags模块实际上并未使用实现python-gflags，但它使用了类似的API。

该tf.app.flags模块是Tensorflow提供的功能，用于为Tensorflow程序实现命令行标志。例如，您遇到的代码将执行以下操作：

flags.DEFINE_float('learning_rate', 0.01, 'Initial learning rate.')

第一个参数定义标志的名称，第二个参数定义默认值，以防执行文件时未指定标志。

因此，如果运行以下命令：

$ python fully_connected_feed.py --learning_rate 1.00

那么学习率将设置为1.00，如果未指定该标志，则将保持0.01。

如本文所述，文档可能不存在，因为这可能是Google内部要求开发人员使用的文档。

此外，如文章中所述，使用Tensorflow标志比其他Python软件包提供的标志功能有多个优势，例如argparse在处理Tensorflow模型时尤其如此，最重要的是可以向代码提供Tensorflow特定信息，例如信息有关使用哪个GPU的信息。

在Google，他们使用标记系统来设置参数的默认值。它类似于argparse。他们使用自己的标记系统，而不是argparse或sys.argv。

资料来源：我以前在那里工作过。

使用时tf.app.run()，可以使用方便地在线程之间传输变量tf.app.flags。请参阅此内容以进一步使用tf.app.flags。

经过多次尝试后，我发现它可以打印所有FLAGS键以及实际值-

for key in tf.app.flags.FLAGS.flag_values_dict():

  print(key, FLAGS[key].value)