經(jīng)常在程序中看到有tf.app.flags和tf.app.run字樣的代碼台汇，這兩段代碼究竟是什么作用譬胎，就讓我們從分析源碼的角度來加深理解充甚！
tf.app.flags
tf.app.flags主要用于處理命令行參數(shù)的解析工作券盅，其實可以理解為一個封裝好了的argparse包（argparse是一種結(jié)構(gòu)化的數(shù)據(jù)存儲格式，類似于Json项郊、XML）∠诳郏現(xiàn)在我們就從源碼來分析它究竟是怎么解析命令行參數(shù)的，應(yīng)該怎么使用它着降！
源碼如下：
不出意外的首先導(dǎo)入了argparse包
使用argparse的第一步就是創(chuàng)建一個解析器對象差油，告訴它將會有些什么參數(shù)。當程序運行時任洞，該解析器可以用于處理命令行參數(shù)（只能解析參數(shù)蓄喇、獲取參數(shù)、設(shè)置已有參數(shù)的默認值等操作）侈咕。argparse中的解析器類是ArgumentParser公罕。
定義了_FlagValues類，如我們前面所說耀销，要處理命令行參數(shù)楼眷，就要用解析器類_global_parser里的方法來解析，這里使用了parse_known_args()這個函數(shù)熊尉，其實同parse_args函數(shù)差不多（注：這里說的parse_args()函數(shù)和此處_FlagValues類中定義的_parse_args()函數(shù)不一樣罐柳，前者也是argparse中一種解析參數(shù)的函數(shù)），只是這個函數(shù)在接受到多余的命令行參數(shù)時不會報錯狰住，會原封不動的以一個list形式將其返回张吉。所以此函數(shù)返回的”result“是參數(shù)解析完的數(shù)據(jù)，而”unparsed“是那些未被解析的參數(shù)list催植。將命令行傳入的命令和數(shù)據(jù)解析出來以字典的形式放到__dict__的['_flags']這個字典中肮蛹，這么做也是為了方便我們后續(xù)直接訪問命令行輸入的命令，因為可以直接通過字典調(diào)用（在tensorflow中其實是通過tf.app.flag.Flags來實現(xiàn)實例化這個類创南，然后再調(diào)用里面解析得到的參數(shù)即可）伦忠。
初始化完了之后，可以看到源碼里是一些setattr/getattr的方法稿辙，也就是一些設(shè)置和獲得解析的命令行參數(shù)的方法昆码。要注意的是，在獲得參數(shù)的時候（getattr）邻储，首先要通過解析字典中的’parsed’來檢驗參數(shù)是否已經(jīng)被解析過赋咽，因為在_parse_flags方法中，只要解析過參數(shù)（也即是運行過該函數(shù)）吨娜，那么self.__dict__[‘__parsed’]就會為True（表明解析過參數(shù)）脓匿。因為這里是獲取參數(shù)，所以出了要判斷參數(shù)是否在字典里的基本要求外萌壳，還要判斷有沒有解析過參數(shù)亦镶，沒有就運行_parse_flags解析參數(shù)日月。其它就比較簡單，這里就不介紹了缤骨！
后面將上述整個_FlagValues類的實例化阀溶，這樣就方便了我們的訪問操作妓羊。因為我們要訪問命令行輸入的命令時芯丧，就可以直接從這個實例里操作蝴簇。
注意從這里開始都是在類外定義的方法，所以要調(diào)用就只能通過tf.app.flags.XXX來實現(xiàn)了虱歪。
下面的_define_helper函數(shù)中調(diào)用了_global_parser.add_argument完成對命令行參數(shù)的添加（傳入flag_name蜂绎，default_value，docstring笋鄙，flagtype參數(shù)）师枣，可以看到添加參數(shù)使用的是解析器類_global_parser的方法。仔細看這個函數(shù)的參數(shù)萧落，第一個參數(shù)是‘--’+flag_name這個表示我們定義的命令行參數(shù)使用時必須以‘--’開頭践美，比如--flag_int9(具體看后面例子)，而第二個參數(shù)default_value是參數(shù)的默認值找岖，第三個參數(shù)docstring保存幫助信息（命令行中輸入 -h激活該參數(shù)）陨倡，第四個參數(shù)表示限定了賦予命令行參數(shù)數(shù)據(jù)的類型。
上面我們已經(jīng)看到了使用_define_helper參數(shù)即可以添加命令行參數(shù)许布，這里源碼中又將其封裝為針對string/int/float/bool類型參數(shù)的特定添加方法**兴革。
看DEFINE_string()，這里則由于_define_helper()最后一個type參數(shù)是str蜜唾，上面我們關(guān)于_define_helper參數(shù)的解釋杂曲，說明DEFINE_string()限定了可選參數(shù)輸入必須是string，這也就是為什么這個函數(shù)定義為DEFINE_string()袁余，同理解阅，DEFINE_interger()限定可選參數(shù)必須是int，DEFINE_float()限定可選參數(shù)必須是float泌霍，DEFINE_boolean()限定可選參數(shù)必須是bool。
源碼中最后介紹的方法是在程序運行前先將某些命令行參數(shù)加入到”必備參數(shù)“（__required_flags）的字典中述召，以判斷解析完的參數(shù)是否滿足這些必備要求朱转！因為mark_flags_as_required方法會調(diào)用mark_flag_as_required方法，來將當前傳入的參數(shù)加入到__required_flags字典中（_add_required_flag方法）积暖，在最上面解析參數(shù)的方法_parse_flags中藤为，解析完參數(shù)會通過_assert_all_required方法判斷解析到的參數(shù)是否都在_required_flags字典中。
講了這么多夺刑，具體在tensorflow中我們該怎么使用呢缅疟？
首先我們通過tf.app.flags來調(diào)用這個flags.py文件分别，這樣我們就可以用flags.DEFINE_interger/float()來添加命令行參數(shù)，而FLAGS=flags.FLAGS可以實例化這個解析參數(shù)的類從對應(yīng)的命令行參數(shù)取出參數(shù)存淫。
新建test.py文件耘斩，并輸入如下代碼，代碼的功能是創(chuàng)建幾個命令行參數(shù)桅咆，然后把命令行參數(shù)輸出顯示
import tensorflow as tf
flags = tf.app.flags
flags.DEFINE_string('data_dir', '/tmp/mnist', 'Directory with the MNIST data.')
flags.DEFINE_integer('batch_size', 5, 'Batch size.')
flags.DEFINE_integer('num_evals', 1000, 'Number of batches to evaluate.')
FLAGS = flags.FLAGS
print(FLAGS.data_dir, FLAGS.batch_size, FLAGS.num_evals)
- 在命令行中輸入
test.py -h就可以查看幫助信息括授，也就是Directory with the MNIST data.，Batch size和Number of batches to evaluate這樣的消息岩饼。 - 在命令行中輸入
test.py --batchsize 10就可以將batch_size的值修改為10荚虚！
tf.app.run()
該函數(shù)一般都是出現(xiàn)在這種代碼中：
if __name__ == '__main__':
tf.app.run()
上述第一行代碼表示如果當前是從其它模塊調(diào)用的該模塊程序，則不會運行main函數(shù)籍茧！而如果就是直接運行的該模塊程序版述，則會運行main函數(shù)。
具體第二行的功能從源碼開始分析寞冯，源碼如下：
flags_passthrough=f._parse_flags(args=args)這里的parse_flags就是我們tf.app.flags源碼中用來解析命令行參數(shù)的函數(shù)渴析。所以這一行就是解析參數(shù)的功能；
下面兩行代碼也就是tf.app.run的核心意思：執(zhí)行程序中main函數(shù)简十，并解析命令行參數(shù)檬某！
