如何在Kedro Pipeline中添加参数并确保指定参数正常传递？

以下是不同场景下的处理方法，可按需选择：

• 常规运行场景（依赖配置文件）
  Kedro默认会加载conf/<环境名>/parameters.yml中的参数，你只需在该文件中添加对应配置即可：

  lr: 0.001 # 替换为实际需要的学习率取值
  

  配置后节点输入声明的params:lr会自动匹配到该值。
• 单元测试场景（无需修改全局配置）
  编写测试用例时可通过KedroSession的extra_params参数临时注入参数，示例代码：

  from pathlib import Path
  from kedro.framework.session import KedroSession
  from kedro.framework.startup import bootstrap_project
  
  # 加载项目元信息
  bootstrap_project(Path("你的项目根目录路径"))
  
  with KedroSession.create(
      extra_params={"lr": 0.001} # 直接注入需要的lr参数
  ) as session:
      # 运行指定pipeline
      session.run(pipeline_name="training")
  

• 单节点测试场景
  仅测试单个训练节点时，无需启动完整Kedro会话，直接将lr作为普通参数传入节点函数即可：

  from your_project.pipelines.training.nodes import train_model
  
  output = train_model(
      train_dataset=测试用训练数据集,
      lr=0.001, # 直接传入lr取值
      # 补充其他节点需要的输入参数
  )
  

• 命名空间适配场景
  如果你的训练pipeline绑定了特定命名空间，需要保证参数路径匹配：比如pipeline命名空间为training，则节点输入需声明为params:training.lr，对应parameters.yml配置为：

  training:
    lr: 0.001
  

  若用extra_params注入则传入{"training": {"lr": 0.001}}即可。
• CLI运行场景
  通过命令行运行pipeline时，可直接追加参数覆盖配置：
  kedro run --params lr=0.001
  多参数用逗号分隔：kedro run --params lr=0.001,batch_size=32

内容的提问来源于stack exchange，提问作者N. Bhattarai