使用Argparse解析训练参数时触发SystemExit 2错误，寻求技术支持

嘿，这个问题我之前在Jupyter里用argparse的时候也碰到过！先给你拆解下错误原因：

usage: ipykernel_launcher.py [-h] [--image_path IMAGE_PATH] [--use_pre_trained USE_PRE_TRAINED]
ipykernel_launcher.py: error: unrecognized arguments: -f /root/.local/share/jupyter/runtime/kernel-ff8e2476-e39b-4e40-b8f9-6b8113fe8f1f.json

这个-f参数是Jupyter内核自动添加的，用来指定它的运行时配置文件，但你的argparse脚本没处理这个参数，所以就触发了"未识别参数"的错误。下面给你几个实用的解决方案：

方案1：手动传入测试参数（适合Jupyter里调试） #

直接给parse_args()方法手动指定要解析的参数列表，跳过系统自动传入的Jupyter参数：

parser = argparse.ArgumentParser(description='Explore pre-trained AlexNet')
parser.add_argument('--image_path', type=str, help='Full path to the input image to load.')
parser.add_argument('--use_pre_trained', type=bool, default=True, help='Load pre-trained weights?')

# 空列表表示不解析任何命令行参数，用默认值
args = parser.parse_args(args=[])

# 如果要测试自定义参数，就把参数写进去
# args = parser.parse_args(args=['--image_path', '/your/image/path.jpg', '--use_pre_trained', 'False'])

方案2：兼容Jupyter和命令行运行（通用方案） #

如果你的脚本既要在Jupyter里调试，又要能在命令行正常运行，可以过滤掉Jupyter自动添加的-f参数：

import sys
import argparse

parser = argparse.ArgumentParser(description='Explore pre-trained AlexNet')
parser.add_argument('--image_path', type=str, help='Full path to the input image to load.')
parser.add_argument('--use_pre_trained', type=bool, default=True, help='Load pre-trained weights?')

# 移除Jupyter的-f参数
if '-f' in sys.argv:
    sys.argv.remove('-f')

args = parser.parse_args()

额外提醒：argparse的bool类型坑 #

这里还要给你提个小细节：你用type=bool其实达不到预期效果！因为argparse会把所有传入的字符串参数转成bool，而任何非空字符串都会被解析成True——哪怕你传--use_pre_trained False，得到的还是True。

解决这个问题的话，建议自定义一个布尔值转换函数：

import argparse

def str2bool(v):
    if isinstance(v, bool):
        return v
    # 支持多种常见的布尔输入格式
    if v.lower() in ('yes', 'true', 't', 'y', '1'):
        return True
    elif v.lower() in ('no', 'false', 'f', 'n', '0'):
        return False
    else:
        raise argparse.ArgumentTypeError('Boolean value expected.')

# 使用自定义的转换函数
parser = argparse.ArgumentParser(description='Explore pre-trained AlexNet')
parser.add_argument('--image_path', type=str, help='Full path to the input image to load.')
parser.add_argument('--use_pre_trained', type=str2bool, default=True, help='Load pre-trained weights?')

这样不管你传True/False，还是1/0，甚至y/n，都能正确解析成布尔值啦。

内容的提问来源于stack exchange，提问作者user15295803