PyTorch中parse_args()实现、报错排查及argparse优势说明

该异常是运行环境导致的，和参数定义逻辑无关。如果你是在Jupyter Notebook/IPython环境下运行这段代码，IPython内核启动时会自动传入-f <内核运行时配置文件路径>的内置参数，默认调用parser.parse_args()会读取全部传入的命令行参数，识别不到未手动定义的-f参数时就会触发报错、退出程序。

可选择以下任意一种方案修复：

• 方案1：适配Jupyter/IPython环境，修改参数解析代码，忽略未定义的内置参数，替换原有的解析行即可：

# 方式1：直接使用代码中配置的默认参数，不读取外部传入的命令行参数
args = parser.parse_args([])

# 方式2：保留自定义传参能力，自动忽略无法识别的内置参数
args, unparsed = parser.parse_known_args()

• 方案2：脱离Jupyter环境运行，直接在系统终端执行python 你的脚本文件名.py，此时不会有内核自带的额外参数传入，原有代码无需修改即可正常运行。

额外代码优化提示：你当前将norm、adaptive_lr两个布尔开关类参数定义为字符串类型，后续使用时需要额外判断字符串值做转换，可直接将这类参数的type设为bool，或使用argparse内置的store_true/store_false动作定义布尔参数，减少额外类型转换的代码。

• 无额外依赖：属于Python官方标准库，无需pip安装即可使用，不存在第三方依赖冲突问题，脚本迁移到任意Python环境都可直接运行。
• 自动生成帮助说明：只要在定义参数时填写help字段，用户执行python 脚本.py -h即可自动生成格式统一的参数帮助文档，无需手动编写使用说明。
• 内置类型校验：定义参数时指定type类型后，argparse会自动校验传入参数的格式，类型不匹配时会输出清晰的错误提示，无需手动编写参数合法性校验逻辑。
• 参数能力完备：支持默认值配置、必填/可选参数标记、互斥参数组、多值参数、子命令等各类命令行参数场景，覆盖深度学习训练参数管理的全部常用需求。
• 通用性强：是Python生态内最通用的命令行参数管理工具，绝大多数开源深度学习项目都采用argparse管理训练参数，其他开发者无需学习自定义参数规则即可快速上手调整参数。

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