1 .创作灵感

小伙伴们再阅读深度学习模型的代码的时候，经常会遇到yaml格式的配置文件。用这个配置文件是因为我们在训练模型的时候会涉及很多的参数，如果这些参数东一个，西一个，我们调起来的时候就会很不方便，所以用yaml脚本将他们集中到一起，类似的配置文件还有，json等。

2.yaml文本的基本格式

新建confg.yaml文本编写以下内容：

# 配置文件
manual_seed: 1device: cpu
model:name: Unetinchanlel: 1out_chanlel: 1f_maps: 64trainer:checkpoint_dir: '/home/user'resume: '/home/user/last_checkpoint.pytorch'

注意两点：

（1）yaml通过键值对存储信息，通过冒号和空格区分键和值

（2）不同级别用空格进行缩进，同一级别的内容空格缩进相同

3.读取yaml文件的内容

import yaml
# 读取ymal文件# 打开文件
with open('config.yaml', 'r', encoding="utf-8") as f:#通过yaml.safe_load(f)函数读取内容config = yaml.safe_load(f)#通过字典索引的方式调用内容
checkpoint_dir = config['trainer']['checkpoint_dir']print(f"地址: {checkpoint_dir}")

4. 写入yaml文件

# 写入yaml文件,以字典的形式存入数据
config_new = {'optimizer': {'learning_rate': 0.002,'weight_decay': 0.0001}}with open('config_new.yaml', 'w+') as f:yaml.safe_dump(config_new, f)

数据会被存入到新的yaml文件中

参考文章

玩转PyYAML：让Python与YAML格式数据无缝对接 - 知乎 (zhihu.com)