问题描述
我目前正在使用这个tensorflow-pression库：https://github.com/tensorflow/compression。我的问题不是特定于该库的工作方式，而是必须遍历命令行参数集，而需要做更多的工作，但是我想我会分享其他上下文。我正在训练具有各种datasets和各种lambda值的模型（lambda捕获损失函数的两个组件之间的折衷），而这两个都会影响命令行参数。可以在here中找到有关此库的特定argparse参数的更多信息。
当前，我正在命令行中为每个唯一的参数集手动运行模型训练脚本，如下所示：
python bls2017.py [arguments]
例如，对于一组参数，它看起来像：
python bls2017.py --verbose --num_filters=32 train --patchsize=32 --lambda=0.1 --laststep=100000 --train_glob="images/cifar10/*".
然后我将模型检查点保存到名称包含特定参数的目录中。对于上面的特定参数，此目录路径将为checkpoints/num_filters=64_patchsize=32_lambda=0.1_laststep=100000_train_glob=images/cifar100/*，总而言之，每个模型都有一个检查点文件夹（唯一的一组参数）。但是，这效率低下，因为我是针对每个参数集手动运行脚本，而不是通过编程迭代它们并运行脚本。有没有办法以编程方式循环训练这些模型（或达到某种效果），所以我不必为每组参数手动运行python bls2017.py [arguments]命令？
此外，我想使用compress子命令评估每个训练后的模型，该命令要求使用--checkpoint_dir来输入训练后的模型的检查点目录。获取所有模型目录的一种方法是执行glob.glob('checkpoints/*')以获取模型检查点目录的列表。与我上面描述的类似，然后我想遍历所有模型检查点目录并运行脚本，而不是通过以下方式为每个模型/目录手动运行命令：
python bls2017.py --num_filters=64 --checkpoint_dir='checkpoints/num_filters=64_patchsize=32_lambda=0.1_laststep=100000_train_glob=images/cifar100/*' compress original.png compressed.tfci
我该怎么做？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）