0. 本文概括/ 需求

1. 这个文章cover了一下需求：

   • python环境由annaconda (conda同理)控制
   • 指定3个random seed，并且使用cmd命令依次执行train.py
   • train.py文件需要传入参数seed，
   • train.py文件中，需要import位于其他.py文件中自定义的class/ function

2. 本文涉及到的文件的组织架构为：

- PAProj- GT_model- GT_2.py   # 含有自定义的函数，被train.py import- MLP- net_saved # 保存模型的路径- train.py  # 最终执行的文件- Data	  

1. 必要检查/ 语句

1. 因为 train.py需要import位于其他.py文件中自定义的class/ function，例如 train.py中的这一句：

from GT_model.GT_2 import eq1 as EQ1

• 注意，自己在编译器，比如pycharm，中执行train.py时，如果GT_model这个路径下没有__init__.py文件，其实也是可以运行的
• 但是使用cmd执行时会“看不到”，因此必须添加GT_model/__init__.py
  • __init__.py文件用于标记一个目录为Python的包（package），这样该目录下的Python文件就能被组织进同一个命名空间。
  • __init__.py文件不是强制性的，但是是标准的。

2. train.py使用的路径最好写成绝对路径，一种常见的格式为：

    data_root = "D:/Desktop/PROJ/PAProj"net_root_path =  os.path.join(data_root, "MLP/net_saved/")

3. 设置工作环境：

import sys
sys.path.insert(0, 'D:\\Desktop\\PROJ\\PAProj')

这个语句将指定的目录D:\\Desktop\\PROJ\\PAProj添加到Python的模块搜索路径的最前面。因此当我们尝试导入一个模块时，Python解释器将首先在这个目录下查找该模块

4. argparse语句

import argparse
# 创建一个解析器对象
parser = argparse.ArgumentParser(description="Train under a specific seed.")
# 添加一会我们要在cmd中传入的seed参数
parser.add_argument("--seed", type=int, required=True, help="Train under a specific seed.")
# 解析命令行参数
args = parser.parse_args()
seed = args.seed

2. cmd命令

1. 首先打开cmd后，激活conda环境，笔者这里使用的就是base环境

# base环境：
conda activate # xx环境
conda activate xx

2. 定位到python工程：

D:
cd D:\Desktop\PROJ\PAProj

3. 最后一步：执行命令，读入seed，在不同seed下，循环运行3次train.py

for %i in (62 149 508) do D:\Anaconda\python.exe "MLP\train.py" --seed %i

• 最保险的版本是：显式的指定了用哪个版本的python去执行 D:\Anaconda\python.exe
• 因为当前的工作环境是PAProj，我们想要运行的文件可以写相对路径，但是一定要加引号："MLP\train.py"

---

以上教程有很多不合适的地方，主打一个能用就行:)