yacs介绍、安装、使用

yacs介绍、安装、使用

1.yacs介绍

yacs的作者大名鼎鼎的Ross Girshick，faster-rcnn的作者。github地址：https://github.com/rbgirshick/yacs

yacs是一个轻量级用于定义和管理系统配置的开源库，是科学实验软件中常用的参数配置。在机器学习、深度学习模型训练过程中的超参数配置（卷积神经网络的深度，初始学习率等）。科学实验的重现性至关重要，因此，需要记录实验过程中的参数设置，以达到后期进行实验的重现。yacs使用一种简单的，可读的yaml格式。

2.yacs安装

git clone https://github.com/rbgirshick/yacs.git python setup.py install

3.yacs使用

3.1 建立可配置参数文件并设置默认值

建立可配置文件，通常命名为config.py或者default.py,该文件包含了所有可配置的参数，并为每个参数设置了默认值。

config.py

from yacs.config import CfgNode as CN _C=CN() _C.SYSTEM=CN() _C.SYSTEM.NUM_GPUS = 8 _C.SYSTEM.NUM_WORKERS = 4 _C.TRAIN = CN() _C.TRAIN.HYPERPARAMETER_1 = 0.1 _C.TRAIN.SCALES = (2, 4, 8, 16) def get_cfg_defaults(): return _C.clone() #局部变量使用形式 cfg = _C

3.2 创建yaml配置文件 通常情况下，为每个实验建立一个yaml文件，每个配置文件中仅包含该实验中正在修改的选项。

config.yaml

SYSTEM: NUM_GPUS: 2 TRAIN: SCALES: (1, 2)

3.3 使用配置文件 进行初始设置以后，使用freeze()函数将设置值冻结，防止配置信息被修改。如下，可以通过直接导入cfg作为全局变量进行访问，也可以将cfg的复制作为参数进行传递，这种使用为cfg作为局部变量使用。

main.py

#from config import get_cfg_defaults #局部变量 from config import cfg if __name__ == "__main__": #cfg = get_cfg_defaults() #局部变量使用 cfg.merge_from_file("config.yaml") cfg.freeze() cfg2 = cfg.clone() cfg2.defrost() cfg2.TRAIN.SCALES = (8, 32, 64) cfg2.freeze() print("cfg:") print(cfg) print("cfg2:") print(cfg2)

输出结果为：

cfg: SYSTEM: NUM_GPUS: 2 NUM_WORKERS: 4 TRAIN: HYPERPARAMETER_1: 0.1 SCALES: (1, 2) cfg2: SYSTEM: NUM_GPUS: 2 NUM_WORKERS: 4 TRAIN: HYPERPARAMETER_1: 0.1 SCALES: (8, 32, 64)

4 参考

1.https://github.com/rbgirshick/yacs