本文主要是介绍windows系统使用cmd执行.py文件并且传入参数 | 神经网络模型训练 | 主打能用就行，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
0. 本文概括/ 需求
-
这个文章cover了一下需求：
- python环境由annaconda (conda同理)控制
- 指定3个random seed，并且使用cmd命令依次执行
train.py train.py文件需要传入参数seed，train.py文件中，需要import位于其他.py文件中自定义的class/ function
-
本文涉及到的文件的组织架构为：
- PAProj- GT_model- GT_2.py # 含有自定义的函数，被train.py import- MLP- net_saved # 保存模型的路径- train.py # 最终执行的文件- Data
1. 必要检查/ 语句
- 因为
train.py需要import位于其他.py文件中自定义的class/ function，例如train.py中的这一句：
from GT_model.GT_2 import eq1 as EQ1
- 注意，自己在编译器，比如pycharm，中执行
train.py时，如果GT_model这个路径下没有__init__.py文件，其实也是可以运行的 - 但是使用cmd执行时会“看不到”，因此必须添加
GT_model/__init__.py__init__.py文件用于标记一个目录为Python的包（package），这样该目录下的Python文件就能被组织进同一个命名空间。__init__.py文件不是强制性的，但是是标准的。
train.py使用的路径最好写成绝对路径，一种常见的格式为：
data_root = "D:/Desktop/PROJ/PAProj"net_root_path = os.path.join(data_root, "MLP/net_saved/")
- 设置工作环境：
import sys
sys.path.insert(0, 'D:\\Desktop\\PROJ\\PAProj')
这个语句将指定的目录D:\\Desktop\\PROJ\\PAProj添加到Python的模块搜索路径的最前面。因此当我们尝试导入一个模块时，Python解释器将首先在这个目录下查找该模块
argparse语句
import argparse
# 创建一个解析器对象
parser = argparse.ArgumentParser(description="Train under a specific seed.")
# 添加一会我们要在cmd中传入的seed参数
parser.add_argument("--seed", type=int, required=True, help="Train under a specific seed.")
# 解析命令行参数
args = parser.parse_args()
seed = args.seed
2. cmd命令
- 首先打开cmd后，激活conda环境，笔者这里使用的就是
base环境
# base环境：
conda activate # xx环境
conda activate xx
- 定位到python工程：
D:
cd D:\Desktop\PROJ\PAProj
- 最后一步：执行命令，读入seed，在不同seed下，循环运行3次
train.py
for %i in (62 149 508) do D:\Anaconda\python.exe "MLP\train.py" --seed %i
- 最保险的版本是：显式的指定了用哪个版本的python去执行
D:\Anaconda\python.exe - 因为当前的工作环境是
PAProj，我们想要运行的文件可以写相对路径，但是一定要加引号："MLP\train.py"
以上教程有很多不合适的地方，主打一个能用就行:)
这篇关于windows系统使用cmd执行.py文件并且传入参数 | 神经网络模型训练 | 主打能用就行的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
