Como o tf.app.run () funciona?

Como tf.app.run()funciona a demonstração de tradução do Tensorflow?

Em tensorflow/models/rnn/translate/translate.py, há uma chamada para tf.app.run(). Como está sendo tratado?

if __name__ == "__main__":
    tf.app.run() 

if __name__ == "__main__":

significa que o arquivo atual é executado em um shell em vez de importado como um módulo.

tf.app.run()

Como você pode ver através do arquivo app.py

def run(main=None, argv=None):
  """Runs the program with an optional 'main' function and 'argv' list."""
  f = flags.FLAGS

  # Extract the args from the optional `argv` list.
  args = argv[1:] if argv else None

  # Parse the known flags from that list, or from the command
  # line otherwise.
  # pylint: disable=protected-access
  flags_passthrough = f._parse_flags(args=args)
  # pylint: enable=protected-access

  main = main or sys.modules['__main__'].main

  # Call the main function, passing through any arguments
  # to the final program.
  sys.exit(main(sys.argv[:1] + flags_passthrough))

Vamos quebrar linha por linha:

flags_passthrough = f._parse_flags(args=args)

Isso garante que o argumento que você passa pela linha de comando seja válido; por exemplo python my_model.py --data_dir='...' --max_iteration=10000, esse recurso é implementado com base no argparsemódulo padrão python .

main = main or sys.modules['__main__'].main

O primeiro mainno lado direito de =é o primeiro argumento da função atual run(main=None, argv=None) . Enquanto sys.modules['__main__']significa atual arquivo em execução (por exemplo my_model.py).

Portanto, existem dois casos:

1. Você não tem uma mainfunção em my_model.pyEntão você tem que chamartf.app.run(my_main_running_function)

2. você tem uma mainfunção my_model.py. (Este é principalmente o caso.)

Última linha:

sys.exit(main(sys.argv[:1] + flags_passthrough))

garante que sua função main(argv)ou my_main_running_function(argv)seja chamada com argumentos analisados ​​corretamente.

É apenas um invólucro muito rápido que lida com a análise de sinalizadores e depois despacha para o seu próprio main. Veja o código .

Não há nada de especial tf.app. Este é apenas um script de ponto de entrada genérico , que

Executa o programa com uma função opcional 'main' e uma lista 'argv'.

Não tem nada a ver com redes neurais e apenas chama a função principal, passando por quaisquer argumentos a ela.

Em termos simples, o trabalho de tf.app.run()é primeiro definir os sinalizadores globais para uso posterior, como:

from tensorflow.python.platform import flags
f = flags.FLAGS

e, em seguida, execute sua função principal personalizada com um conjunto de argumentos.

Por exemplo, na base de código TensorFlow NMT , o primeiro ponto de entrada para a execução do programa para treinamento / inferência começa neste ponto (veja o código abaixo)

if __name__ == "__main__":
  nmt_parser = argparse.ArgumentParser()
  add_arguments(nmt_parser)
  FLAGS, unparsed = nmt_parser.parse_known_args()
  tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)

Após analisar os argumentos usando argparse, tf.app.run()você executa a função "main", definida como:

def main(unused_argv):
  default_hparams = create_hparams(FLAGS)
  train_fn = train.train
  inference_fn = inference.inference
  run_main(FLAGS, default_hparams, train_fn, inference_fn)

Portanto, depois de definir os sinalizadores para uso global, tf.app.run()basta executar a mainfunção que você passar para ela argvcomo seus parâmetros.

PS: Como a resposta de Salvador Dali diz, acho que é apenas uma boa prática de engenharia de software, embora não tenha certeza se o TensorFlow executa uma execução otimizada da mainfunção do que aquela executada usando o CPython normal.

O código do Google depende muito do acesso de sinalizadores globais nos scripts libraries / binaries / python e, portanto, tf.app.run () analisa esses sinalizadores para criar um estado global na variável FLAGs (ou algo semelhante) e depois chama python main ( ) Como deveria.

Se eles não tiverem essa chamada para tf.app.run (), os usuários poderão esquecer de analisar FLAGs, fazendo com que essas bibliotecas / binários / scripts não tenham acesso aos FLAGs necessários.

2.0 compatível Resposta : Se você quiser usar tf.app.run()em Tensorflow 2.0, devemos usar o comando,

tf.compat.v1.app.run()ou você pode usar tf_upgrade_v2para converter o 1.xcódigo em 2.0.