ML Engine 训练选项 jobDir 已通过 --job-dir 选项传递给 python 模块
ML Engine training option jobDir was passed to python module with --job-dir option
Google Cloud ML Engine 参考说明训练参数 jobDir
将作为 --jobDir
命令行参数传递给 TensorFlow 程序。
https://cloud.google.com/ml-engine/reference/rest/v1/projects.jobs#TrainingInput.FIELDS.job_dir
但是,Cloud ML Engine 根据云日志记录通过 --job-dir
命令行参数传递路径。
预期的行为是什么?
就个人而言,我更喜欢基于引用的行为(通过 --jobDir
选项传递)。我通常使用 tf.flags
模块来解析命令行选项,而 tf.flags
无法正确处理这种形式的选项(连字符分隔的选项)。
祝好,
本例中的文档不正确。我们会纠正它。 tf.flags
似乎通过将连字符转换为下划线来支持带连字符的参数:
>>> tf.flags.DEFINE_integer('--x-y', 10, '')
>>> def main(argv):
... print tf.flags.FLAGS.x_y
...
>>> tf.app.run()
10
Google Cloud ML Engine 参考说明训练参数 jobDir
将作为 --jobDir
命令行参数传递给 TensorFlow 程序。
https://cloud.google.com/ml-engine/reference/rest/v1/projects.jobs#TrainingInput.FIELDS.job_dir
但是,Cloud ML Engine 根据云日志记录通过 --job-dir
命令行参数传递路径。
预期的行为是什么?
就个人而言,我更喜欢基于引用的行为(通过 --jobDir
选项传递)。我通常使用 tf.flags
模块来解析命令行选项,而 tf.flags
无法正确处理这种形式的选项(连字符分隔的选项)。
祝好,
本例中的文档不正确。我们会纠正它。 tf.flags
似乎通过将连字符转换为下划线来支持带连字符的参数:
>>> tf.flags.DEFINE_integer('--x-y', 10, '')
>>> def main(argv):
... print tf.flags.FLAGS.x_y
...
>>> tf.app.run()
10