tf.app.flags.DEFINE_string()和tf.app.flags.FLAGS

在看SSD的TensorFlow源码（链接点击打开链接）时遇到了这tf.app.flags.DEFINE_string()函数和tf.app.flags.FLAGS变量，于是翻阅TensorFlow官网API结果竟然是。。。

真是相当于白说，意思还是让我自己看源码。。。。。。。

于是上网找，还是找到了Stack Overflow里的一个解答点击打开链接

答案说其实这个，很多时候看TensorFlow的API文档不如看TensorFlow的源码更容易（真的么。。。），所以答主经常用pycharm打开TensorFlow源码的工程，这样能方便的找到答案。比如说你看要看 tensorflow/python/platform/flags.py其实是个披着很薄的装饰的argparse.ArgumentParse()(什么是python的argparse，请看这里点击打开链接)，所以也还是得看python的argparse的API文档。

好吧，在我辛苦弄懂argparse也就是一个方便用户添加命令行的玩意之后，问题终于明了了。

我抽取了flags.py的几段程序

这里是import了argparse as _argparse

然后建立argparse一个全局对象_global_parser

定义了_FlagValues这个类，并使用前面定义的全局对象_global_parser，将_global_parser里得到的命令行解析出来，使用了parse_known_args()这个函数（具体可从这里查看点击打开链接）返回一个有用的result,和一个无用的unparsed，后面再使用迭代，将命令行传入的命令和数据解析出来以字典的形式放到__dict__的['_flags']这个字典中，这样当要访问命令行输入的命令时，就能使用像tf.app.flag.Flags（Flags后面会提到，是_FlagValues这个类的一个实例）这样的命令了

然后后面在_define_helper函数中调用了_global_parser.add_argument完成对命令行option argument的添加，这里调用_global_parser也就是前面参数解析器的一个实例，也就是说，真正完成对命令行参数添加的是在_define_helper中的_global_parser.add_argument函数，仔细看这个函数的参数，第一个参数时 ‘--’+flag_name这个表示我们定义的命令行参数使用时必须以 ‘--’开头，比如‘--flag_int 9’(具体看后面栗子)，而第二个参数是命令行的默认值，因为有时候并没有赋给命令行参数值，这个时候就默认值就发挥作用了，而第三个参数help保存帮助信息（具体可看后面栗子），第四个参数表示限定了赋予命令行参数数据的类型。

看DEFINE_string()，这里则由于_define_helper()最后一个type参数时str，上面我们关于_define_helper的参数的解释，说明DEFINE_string()限定了可选参数输入必须是string，这也就是为什么这个函数定义为DEFINE_string()，同理，DEFINE_int()限定可选参数必须是int，DEFINE_float()限定可选参数必须是float，DEFINE_boolean()限定可选参数必须是bool。

最关键的一步，这里定义了_FlagValues这个类的一个实例,这样的这样当要访问命令行输入的命令时，就能使用像tf.app.flag.Flags这样的操作。

感觉说得很零碎，总结起来的话，tf.app.flags.DEFINE_xxx()就是添加命令行的optional argument（可选参数），而tf.app.flags.FLAGS可以从对应的命令行参数取出参数。

举个栗子

新建test.py文件，并输入如下代码，代码的功能是创建几个命令行参数，然后把命令行参数输出显示

1.在命令行中查看帮助信息，在命令行输入 python test.py -h

注意红色框中的信息，这个就是我们用DEFINE_XXX添加命令行参数时的第三个参数

2.直接运行test.py

因为没有给对应的命令行参数赋值，所以输出的是命令行参数的默认值。

3.带命令行参数的运行test.py文件

这里输出了我们赋给命令行参数的值