快捷導航

python中編寫config文件并及時更新的方法

更新時間：2023年02月28日 08:56:16 作者：Rilkean?heart

在pytorch或者其他深度學習框架中，有許多超參數(shù)需要調(diào)整，包括learning_rate，training_data_path等，因此編寫一個config文件統(tǒng)一存放這些參數(shù)，方便調(diào)用/查看/修改還是很有必要，這篇文章主要介紹了python中一種編寫config文件并及時更新的方法,需要的朋友可以參考下

0. Intro

在pytorch或者其他深度學習框架中，有許多超參數(shù)需要調(diào)整，包括learning_rate，training_data_path等，因此編寫一個config文件統(tǒng)一存放這些參數(shù)，方便調(diào)用/查看/修改還是很有必要的。下面是我使用過的一種很簡單的方式，不是很優(yōu)雅，小模型下初步的微調(diào)已經(jīng)夠用，希望也對你有所幫助，有更好更pro的方式歡迎大家留言~
我這里的目錄結(jié)構(gòu):
MLP
mlp.ipynb: 用于training等
config.py: 存放超參數(shù)、路徑
data
targets：targets data path
train：training data path

1. config.py

這個.py文件實際上是一個class，大概如下:

class DefaultConfig(object):

    # dataset劃分
    batch_size = 40
    train_pct = 0.7
    vali_pct = 0.2
    test_pct = 0.1
    
    #learning rate
    learning_rate = 1e-3
    
    # Training data
    train_path = r"../data/train"
    target_path_metric = r"../data/targets"

2. 調(diào)用以及更新

寫成class之后，在mlp.ipynb中調(diào)用只需要引用一下就完事了:

import config  # import進來
reload(config)  ################## 注意這里必須reload??！
from config import DefaultConfig	# 引入class

opt = DefaultConfig()		# 實例config對象

# 這里名字最好保持和clas內(nèi)部一致，方便檢查
batch_size = opt.batch_size
train_pct = opt.train_pct
vali_pct = opt.vali_pct
test_pct = opt.test_pct

注意，很可能當我們改動config.py之后，外部文件的參數(shù)不會及時更新，所以加入reload語句是一個很好的習慣

import config  # import進來
reload(config)  ################## 注意這里必須reload?。?/pre>

到此這篇關(guān)于python中一種編寫config文件并及時更新的方法的文章就介紹到這了,更多相關(guān)python編寫config文件內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python中編寫config文件并及時更新的方法

目錄

0. Intro

1. config.py

2. 調(diào)用以及更新

相關(guān)文章

最新評論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具