# 文件名為main.py
class DoSomething():
    def working(self):
        pass
if __name__ == '__main__':
    import argparse  # 步驟一：導(dǎo)入模塊
    # 啟動參數(shù)
    parser = argparse.ArgumentParser()  # 步驟二：創(chuàng)建一個解析對象
    # 步驟三：向解析對象中添加你要關(guān)注的命令行參數(shù)和選項
    parser.add_argument('--labels_dir', type=str,
        help='標簽?zāi)夸?, default='./data/labels')   # help的值就是你對這個參數(shù)labels_dir的作用描述
    parser.add_argument('--models_dir', type=str,
        help='模型跟目錄', default='./data/models')  # type的值就是你對這個參數(shù)models_dir數(shù)據(jù)類型的指定
    parser.add_argument('--last_dir_name', type=str,
        help='文件后序名', default='_seq_month_serial')  # default的值就是你對這個參數(shù)last_dir_name設(shè)置的默認值
    parser.add_argument('--batch_size', type=int,
        help='批次大小', default=64)
    parser.add_argument('--classes', type=int,
        help='聚類數(shù)', default=9)
    parser.add_argument('--predict_date', type=str,
        help='預(yù)測年月', default='202101')
    parser.add_argument('--last_date', type=str,
        help='輸入最后年月', default='202001')
    parser.add_argument('--only_predict', action="store_true",  # action的值就是你對這個參數(shù)only_predict設(shè)置了布爾數(shù)據(jù)類型，并且默認值為True
        help='只識別，不訓(xùn)練')
    parser.add_argument('--delete_model', action="store_true",
        help='先刪除模型，僅在訓(xùn)練時使用')
    parser.add_argument('--hidden_size', type=int,
        help='模型維度', default=128)
    parser.add_argument('--learning_rate', type=float,
        help='學(xué)習(xí)速率', default=5e-4)
    parser.add_argument('--export_excel', action="store_true",
        help='導(dǎo)出excel')
    parser.add_argument('--loss_type', type=str,
        help='loss類型', default='categorical_crossentropy')
    parser.add_argument('--avg_model_num', type=int,
        help='平均模型數(shù)', default=10)
    parser.add_argument('--get_data', action="store_true",
        help='重新獲取數(shù)據(jù)')
    argparse_args = parser.parse_args()  # 步驟四：進行解析
	# vars() 函數(shù)返回對象object的屬性和屬性值的字典對象。
    args_default = vars(argparse_args)  # 步驟五，將解析值轉(zhuǎn)換成字典對象，然后就可以使用了
    print(type(argparse_args))  
    print(argparse_args)
    print('分割線')
    print(type(args_default))    # 是字典數(shù)據(jù)類型
    print(args_default)  # 將這個字典傳入到程序中，就可以拿到這些參數(shù)的所有值了

class ShareArgs():
	# args就是整個項目經(jīng)常使用到的默認參數(shù)，經(jīng)常不需要進行變動，所以就寫在這里。然后通過update的更新寫到啟動文件的字典參數(shù)里面
    args = {
        "labels_dir":"./shop_group/month_w_amt/data/labels", # 標簽?zāi)夸?
        "labels_output_dir":"./shop_group/month_w_amt/data/labels_output", # 聚類導(dǎo)出標簽?zāi)夸?
        "common_datas_dir":"./data", # 共用數(shù)據(jù)目錄
        "only_predict": False, # 只識別，不訓(xùn)練
        "delete_model": True, # 先刪除模型，僅在訓(xùn)練時使用
        "export_excel": False, # 導(dǎo)出excel
        "classes": 12, # 聚類數(shù)
        "batch_size": 16,
        "hidden_size": 32,
        "max_nrof_epochs": 100,
        "learning_rate": 0.0005,
        "loss_type": "categorical_crossentropy",
        "avg_model_num": 10,
        "steps_per_epoch": 4.0, # 4.0
        "lr_callback_patience": 4, 
        "lr_callback_cooldown": 1,
        "early_stopping_callback_patience": 6,
        "get_data": True,
    }
    def get_args():  # 獲取參數(shù)字典
        return ShareArgs.args
    def set_args(args):  # 一次性更新修改所有參數(shù)字典的值
        ShareArgs.args = args
    def set_args_value(key, value):  # 根據(jù)索引更新參數(shù)字典的值
        ShareArgs.args[key] = value
    def get_args_value(key, default_value=None):  # 獲取指定索引的默認參數(shù)的值
        return ShareArgs.args.get(key, default_value)
    def contain_key(key):  # 判斷索引是否在參數(shù)字典里面
        return key in ShareArgs.args.keys()
    def update(args):  # 用于更新字典中的鍵/值對，可以修改存在的鍵對應(yīng)的值，也可以添加新的鍵/值對到字典中
        ShareArgs.args.update(args)

import sys
base_dir = ''
sys.path.append(base_dir)
from share_args import ShareArgs
class DoSomething():
    def working(self):
        print('ShareArgs.args : ',ShareArgs.args)
if __name__ == '__main__':
    import argparse  # 步驟一：導(dǎo)入模塊
    # 啟動參數(shù)
    parser = argparse.ArgumentParser()  # 步驟二：創(chuàng)建一個解析對象
    # 步驟三：向解析對象中添加你要關(guān)注的命令行參數(shù)和選項
    parser.add_argument('--labels_dir', type=str,
        help='標簽?zāi)夸?, default='./data/labels')   # help的值就是你對這個參數(shù)labels_dir的作用描述
    parser.add_argument('--models_dir', type=str,
        help='模型跟目錄', default='./data/models')  # type的值就是你對這個參數(shù)models_dir數(shù)據(jù)類型的指定
    parser.add_argument('--last_dir_name', type=str,
        help='文件后序名', default='_seq_month_serial')  # default的值就是你對這個參數(shù)last_dir_name設(shè)置的默認值
    parser.add_argument('--batch_size', type=int,
        help='批次大小', default=64)
    parser.add_argument('--classes', type=int,
        help='聚類數(shù)', default=9)
    parser.add_argument('--predict_date', type=str,
        help='預(yù)測年月', default='202101')
    parser.add_argument('--last_date', type=str,
        help='輸入最后年月', default='202001')
    parser.add_argument('--only_predict', action="store_true",  # action的值就是你對這個參數(shù)only_predict設(shè)置了布爾數(shù)據(jù)類型，并且默認值為True
        help='只識別，不訓(xùn)練')
    parser.add_argument('--delete_model', action="store_true",
        help='先刪除模型，僅在訓(xùn)練時使用')
    parser.add_argument('--hidden_size', type=int,
        help='模型維度', default=128)
    parser.add_argument('--learning_rate', type=float,
        help='學(xué)習(xí)速率', default=5e-4)
    parser.add_argument('--export_excel', action="store_true",
        help='導(dǎo)出excel')
    parser.add_argument('--loss_type', type=str,
        help='loss類型', default='categorical_crossentropy')
    parser.add_argument('--avg_model_num', type=int,
        help='平均模型數(shù)', default=10)
    parser.add_argument('--get_data', action="store_true",
        help='重新獲取數(shù)據(jù)')
    argparse_args = parser.parse_args()  # 步驟四：進行解析
	# vars() 函數(shù)返回對象object的屬性和屬性值的字典對象。
    args_default = vars(argparse_args)  # 步驟五，將解析值轉(zhuǎn)換成字典對象，然后就可以使用了
    # print(type(argparse_args))  
    # print(argparse_args)
    # print('分割線')
    # print(type(args_default))    # 是字典數(shù)據(jù)類型
    # print(args_default)  # 將這個字典傳入到程序中，就可以拿到這些參數(shù)的所有值了
    ShareArgs.update(args_default)  # 將很多的默認參數(shù)更新到這里來
    DoSomething().working()

# !pip install PyYaml  # yaml文件的解析去B站看個10分鐘教學(xué)視頻即可學(xué)會，在這里不詳細解釋了
import yaml
def read_yml(file_path):
    with open(file_path, 'r', encoding='utf-8') as file:
        return yaml.load(file, Loader=yaml.FullLoader)
def get_config(base_dir, logger=None):  # logger 表示日志對象
    if not os.path.exists(os.path.join(base_dir, './data/is_local.txt')):
        if logger:
            logger.info('加載正式環(huán)境配置：./config.yml')
        else:
            print('加載正式環(huán)境配置：./config.yml')
        config = read_yml(os.path.join(base_dir, './config.yml'))
    else:
        if logger:
            logger.info('加載測試環(huán)境配置：./config_dev.yml')
        else:
            print('加載測試環(huán)境配置：./config_dev.yml')
        config = read_yml(os.path.join(base_dir, './config_dev.yml'))
    return config

import sys
base_dir = ''
sys.path.append(base_dir)
from share_args import ShareArgs
class DoSomething():
    def working(self, config=None):
        print('ShareArgs.args : ',ShareArgs.args)
		print('config', config)
if __name__ == '__main__':
    import argparse  # 步驟一：導(dǎo)入模塊
    # 啟動參數(shù)
    parser = argparse.ArgumentParser()  # 步驟二：創(chuàng)建一個解析對象
    # 步驟三：向解析對象中添加你要關(guān)注的命令行參數(shù)和選項
    parser.add_argument('--labels_dir', type=str,
        help='標簽?zāi)夸?, default='./data/labels')   # help的值就是你對這個參數(shù)labels_dir的作用描述
    parser.add_argument('--models_dir', type=str,
        help='模型跟目錄', default='./data/models')  # type的值就是你對這個參數(shù)models_dir數(shù)據(jù)類型的指定
    parser.add_argument('--last_dir_name', type=str,
        help='文件后序名', default='_seq_month_serial')  # default的值就是你對這個參數(shù)last_dir_name設(shè)置的默認值
    parser.add_argument('--batch_size', type=int,
        help='批次大小', default=64)
    parser.add_argument('--classes', type=int,
        help='聚類數(shù)', default=9)
    parser.add_argument('--predict_date', type=str,
        help='預(yù)測年月', default='202101')
    parser.add_argument('--last_date', type=str,
        help='輸入最后年月', default='202001')
    parser.add_argument('--only_predict', action="store_true",  # action的值就是你對這個參數(shù)only_predict設(shè)置了布爾數(shù)據(jù)類型，并且默認值為True
        help='只識別，不訓(xùn)練')
    parser.add_argument('--delete_model', action="store_true",
        help='先刪除模型，僅在訓(xùn)練時使用')
    parser.add_argument('--hidden_size', type=int,
        help='模型維度', default=128)
    parser.add_argument('--learning_rate', type=float,
        help='學(xué)習(xí)速率', default=5e-4)
    parser.add_argument('--export_excel', action="store_true",
        help='導(dǎo)出excel')
    parser.add_argument('--loss_type', type=str,
        help='loss類型', default='categorical_crossentropy')
    parser.add_argument('--avg_model_num', type=int,
        help='平均模型數(shù)', default=10)
    parser.add_argument('--get_data', action="store_true",
        help='重新獲取數(shù)據(jù)')
    argparse_args = parser.parse_args()  # 步驟四：進行解析
	# vars() 函數(shù)返回對象object的屬性和屬性值的字典對象。
    args_default = vars(argparse_args)  # 步驟五，將解析值轉(zhuǎn)換成字典對象，然后就可以使用了
    # print(type(argparse_args))  
    # print(argparse_args)
    # print('分割線')
    # print(type(args_default))    # 是字典數(shù)據(jù)類型
    # print(args_default)  # 將這個字典傳入到程序中，就可以拿到這些參數(shù)的所有值了
    ShareArgs.update(args_default)  # 將很多的默認參數(shù)更新到這里來
    # DoSomething().working()
	import config_helper as config_helper
    config = config_helper.get_config(base_dir, None)
	DoSomething().working(config)