Pycharm 本地运行时设置flags参数

Python编程中flags可以帮助我们通过命令行来动态的更改代码中的参数。以bert为例，在运行代码的时候，有很多flag需要配置

export BERT_BASE_DIR=/Users/mtdp/Desktop/code/data/tmp/chinese_L-12_H-768_A-12
export SERVE_DIR=/Users/mtdp/Desktop/code/data/tmp/bert_multi_data/predict
python main.py \
  --task_name=fserve \
  --do_train=True \
  --do_eval=False \
  --do_predict=True \
  --do_export=True \
  --data_dir=$SERVE_DIR \
  --vocab_file=$BERT_BASE_DIR/vocab.txt \
  --bert_config_file=$BERT_BASE_DIR/bert_config.json \
  --init_checkpoint= \
  --max_seq_length=300 \
  --train_batch_size=1 \
  --learning_rate=5e-5 \
  --num_train_epochs=1 \
  --output_dir=/Users/lisiyuan/Desktop/code/data/tmp/serve_output/

通常来说，我们会把上面的这些代码写到一个sh脚本中，通过执行sh脚本，就可以启动bert的训练过程，但在代码开发过程中，我们经常会需要进行debug，查看代码中一些变量的值，shape等属性，这对于熟悉模型结构而言，非常重要，使用sh脚本启动训练过程，不是很方便进行debug。

我注意到Eclipse中，可以设置flags，但平时我主要还是使用Pycharm进行开发，找了一下，发现「tensorflow flags 最全 pycharm 运行时输入参数 list string int float」有提到使用pycharm配置flags，但说的不是特别详细，因此本文在上述博文的基础上进行了补充说明。

首先，点击【Run】–>【Edit Configurations】进入设置

进入设置后，选择你需要配置flags参数的py文件，然后再点击Parameters框右侧的图标，添加flag

按照下图中的格式，在框内输入你的参数

上面是我的参数，可以供大家参考。

配置好参数后，点击“OK”确认即可。最后，点击鼠标右键，选择【Run ‘run_classifier’ with Coverage】就可以使用刚刚配置的参数运行Python文件了

运行Python文件，可以方便地进行debug，达到查看模型内部详细信息的目的。

需要注意的是，这只是方便进行本地调试的方法，如果代码需要到服务器运行，还是需要使用sh脚本进行部署的

---------------------------------

本文转自“机器在学习”

原文链接：http://www.siyuanblog.com/?p=115342