目录

一.引言

二.argparse 解析 shell 参数

1.使用步骤

2.python 侧示例

3.shell 侧示例

---

一.引言

CUDA_VISIBLE_DEVICES=0 python src/train_bash.py \--stage pt \--model_name_or_path path_to_your_model \--do_train \--dataset wiki_demo \--template default \--finetuning_type lora \--output_dir path_to_pt_checkpoint \--overwrite_cache \--per_device_train_batch_size 4 \--gradient_accumulation_steps 4 \--lr_scheduler_type cosine \--logging_steps 10 \--save_steps 1000 \--learning_rate 5e-5 \--num_train_epochs 3.0 \--plot_loss \--fp16

最近微调大模型时经常需要用 shell 脚本传很多参数，发现大家都在使用 argparse 类，下面整理一下 argparse 的基础用法。

二.argparse 解析 shell 参数

1.使用步骤

- 导入 argparse 模块

import argparse

- 创建 AgrumentParse 对象

parser = argparse.ArgumentParser()

- 添加待解析参数 [以解析 --input 参数为例]

parser.add_argument('--input', help='输入文件'， default='input.txt')

 - 解析命令行参数

args = parser.parse_args()

- 使用解析后的参数

input_file = args.input

2.python 侧示例

import argparsedef main():parser = argparse.ArgumentParser()parser.add_argument('--input', help='输入文件')parser.add_argument('--output', help='输出文件')args = parser.parse_args()input_file = args.inputoutput_file = args.output# 在这里使用解析后的参数进行进一步的处理print(f'输入文件：{input_file}')print(f'输出文件：{output_file}')if __name__ == '__main__':main()

注意需要调用 parse_args() 才能获取相关的解析参数。

3.shell 侧示例

python script.py --input input.txt --output output.txt

当参数多了可以隔行传参，比较清晰： 

python script.py \--input input.txt \--output output.txt

执行上述脚本后得到：

输入文件：input.txt
输出文件：output.txt