有些时候我们需要通过命令行将参数传递给脚本，C语言中有个getopt()方法，python中也有个类似的命令行参数解析方法getopt()。python也提供了比getopt()更简洁的argparse方法。另外，sys模块也可以实现简单的参数解析，本文将对这3种命令行参数解析方法简要介绍。
创新互联2013年开创至今，是专业互联网技术服务公司，拥有项目成都做网站、网站设计、外贸营销网站建设网站策划，项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命，1280元余庆做网站,已为上家服务,为余庆各地企业和个人服务,联系电话:13518219792
sys.argv是传入的参数列表，sys.argv[0]是当前python脚本的名称，sys.argv[1]表示第一个参数，以此类推。
命令行运行：
可以看到传入的参数通过sys.argv来获取，它就是一个参数列表。
python的getopt与C语言的的getopt()函数类似。相比于sys模块，支持长参数和短参数，并对参数解析赋值。但它需要结合sys模块进行参数解析，语法格式如下：
短参数为单个英文字母，如果必须赋值需要在后面加英文冒号( : )，长参数一般为字符串(相比短参数，更能说明参数含义)，如果必须赋值需要在后面加等号( = )。
命令行运行：
注意：短参数(options)和长参数(long_options)不需要一一对应，可以任意顺序，也可以只有短参数或者只有长参数。
argparse模块提供了很多可以设置的参数，例如参数的默认值，帮助消息，参数的数据类型等。argparse类主要包括ArgumentParser、add_argument和parse_args三个方法。
下面介绍这三个函数的使用方法。
argparse默认提供了 -h | --help 参数：
命令行运行：
下面列出部分参数：
下面来添加参数：
命令行运行：
parse_args() 方法用于解析参数，在前面的示例代码中使用parse_args方法来提取参数值，对于无效或者错误的参数会打印错误信息和帮助信息：
命令行运行：
本文介绍了Python的三种命令行参数解析方法sys.argv、getopt和argparse，可以根据自己的需要进行选择，getopt和argparse两种方法相比来说，建议选择argparse，代码量更少更简洁。更详细的使用方法参考官方文档：
--THE END--
参数可以是任意类型。
比如可以是列表。
-------------------------------
library=['python精通','MySQL','数据分析','人工智能']
#形参
def add_book(bookname):
library.append(bookname)
print('图书添加成功！')
pass
def show_book(books):
for book in books:
print(book)
pass
pass
#调用函数
add_book('新概念英语')
show_book(library)
------------------------------
#输出列表中所有大于50的数
list1=[23,45,77,88,58,10]
def get_list(list_1):
new_list=[ ]
for e in list_1:
if e=50:
new_list.append(e)
pass
pass
print(new_list)
pass
#调用函数
get_list(list1) #[77,88,58]
------------------------------
#删除列表中小于50的数
def remove_from_list(list_1):
n=0
while nlen(list_1): p="" /len(list_1):
if list_1[n]50:
list_1.remove(list_1[n])
pass
else:
n+=1
pass
pass
print(list_1)
pass
#调用函数
remove_from_list(list1) #[77,88,58]
1、torch.cat(inputs, dim=0) - Tensor
参考链接：
[Pytorch] 详解 torch.cat()
Pytorch学习笔记(一)：torch.cat()模块的详解
函数作用：cat 是 concatnate 的意思：拼接，联系在一起。在给定维度上对输入的 Tensor 序列进行拼接操作。torch.cat 可以看作是 torch.split 和 torch.chunk 的反操作
参数：
inputs(sequence of Tensors)：可以是任意相同类型的 Tensor 的 python 序列
dim(int, optional)：defaults=0
dim=0: 按列进行拼接
dim=1: 按行进行拼接
dim=-1: 如果行和列数都相同则按行进行拼接，否则按照行数或列数相等的维度进行拼接
假设 a 和 b 都是 Tensor，且 a 的维度为 [2, 3]，b 的维度为 [2, 4]，则
torch.cat((a, b), dim=1) 的维度为 [2, 7]
2、torch.nn.CrossEntropyLoss()
函数作用：CrossEntropy 是交叉熵的意思，故而 CrossEntropyLoss 的作用是计算交叉熵。CrossEntropyLoss 函数是将 torch.nn.Softmax 和 torch.nn.NLLLoss 两个函数组合在一起使用，故而传入的预测值不需要先进行 torch.nnSoftmax 操作。
参数：
input(N, C)：N 是 batch_size，C 则是类别数，即在定义模型输出时，输出节点个数要定义为 [N, C]。其中特别注意的是 target 的数据类型需要是浮点数，即 float32
target(N)：N 是 batch_size，故 target 需要是 1D 张量。其中特别注意的是 target 的数据类型需要是 long，即 int64
例子：
loss = nn.CrossEntropyLoss()
input = torch.randn(3, 5, requires_grad=True, dtype=torch.float32)
target = torch.empty(3, dtype=torch.long).random_(5)
output = loss(input, target)
output
输出为：
tensor(1.6916, grad_fn=NllLossBackward)
Python函数的参数类型主要包括必选参数、可选参数、可变参数、位置参数和关键字参数，本文介绍一下他们的定义以及可变数据类型参数传递需要注意的地方。
必选参数（Required arguments）是必须输入的参数，比如下面的代码，必须输入2个参数，否则就会报错：
其实上面例子中的参数 num1和num2也属于关键字参数，比如可以通过如下方式调用：
执行结果：
可选参数（Optional arguments）可以不用传入函数，有一个默认值，如果没有传入会使用默认值，不会报错。
位置参数（positional arguments）根据其在函数定义中的位置调用，下面是pow()函数的帮助信息:
x，y，z三个参数的的顺序是固定的，并且不能使用关键字：
输出：
在上面的pow()函数帮助信息中可以看到位置参数后面加了一个反斜杠 / ，这是python内置函数的语法定义，Python开发人员不能在python3.8版本之前的代码中使用此语法。但python3.0到3.7版本可以使用如下方式定义位置参数：
星号前面的参数为位置参数或者关键字参数，星号后面是强制关键字参数，具体介绍见强制关键字参数。
python3.8版本引入了强制位置参数（Positional-Only Parameters），也就是我们可以使用反斜杠 / 语法来定义位置参数了，可以写成如下形式：
来看下面的例子：
python3.8运行：
不能使用关键字参数形式赋值了。
可变参数 (varargs argument) 就是传入的参数个数是可变的，可以是0-n个，使用星号（ * ）将输入参数自动组装为一个元组（tuple）：
执行结果：
关键字参数（keyword argument）允许将任意个含参数名的参数导入到python函数中，使用双星号（ ** ），在函数内部自动组装为一个字典。
执行结果：
上面介绍的参数可以混合使用：
结果：
注意：由于传入的参数个数不定，所以当与普通参数一同使用时，必须把带星号的参数放在最后。
强制关键字参数（Keyword-Only Arguments）是python3引入的特性，可参考：。 使用一个星号隔开：
在位置参数一节介绍过星号前面的参数可以是位置参数和关键字参数。星号后面的参数都是强制关键字参数，必须以指定参数名的方式传参，如果强制关键字参数没有设置默认参数，调用函数时必须传参。
执行结果：
也可以在可变参数后面命名关键字参数，这样就不需要星号分隔符了：
执行结果：
在Python对象及内存管理机制中介绍了python中的参数传递属于对象的 引用传递 （pass by object reference），在编写函数的时候需要特别注意。
先来看个例子：
执行结果：
l1 和 l2指向相同的地址，由于列表可变，l1改变时，l2也跟着变了。
接着看下面的例子：
结果：
l1没有变化！为什么不是[1, 2, 3, 4]呢？
l = l + [4]表示创建一个“末尾加入元素 4“的新列表，并让 l 指向这个新的对象，l1没有进行任何操作，因此 l1 的值不变。如果要改变l1的值，需要加一个返回值：
结果：
下面的代码执行结果又是什么呢？
执行结果：
和第一个例子一样，l1 和 l2指向相同的地址，所以会一起改变。这个问题怎么解决呢？
可以使用下面的方式：
也可以使用浅拷贝或者深度拷贝，具体使用方法可参考Python对象及内存管理机制。这个问题在Python编程时需要特别注意。
本文主要介绍了python函数的几种参数类型：必选参数、可选参数、可变参数、位置参数、强制位置参数、关键字参数、强制关键字参数，注意他们不是完全独立的，比如必选参数、可选参数也可以是关键字参数，位置参数可以是必选参数或者可选参数。
另外，python中的参数传递属于对象的 引用传递 ，在对可变数据类型进行参数传递时需要特别注意，如有必要，使用python的拷贝方法。
参考文档：
--THE END--
所谓缺省参数，在定义函数时，可以给某个参数指定一个默认值，具有默认值的参数就叫做缺省参数。调用函数时，如果没有传入缺省参数的值，则在函数内部使用定义函数时指定的参数默认值。
缺省参数的作用：
函数的缺省参数，将常见的值设置为参数的缺省值，从而简化函数的调用。
例如：对列表排序的方法
执行结果：
在参数后使用赋值语句，可以指定参数的缺省值。
不设置缺省参数：
执行结果：张三 是 男生
# 假设班上的男生比女生多，我们不传递True这个参数，让性别默认是男生
设置缺省参数：
执行结果：
提示：
1. 缺省参数，需要使用最常见的值作为默认值。
2. 如果一个参数的值不能确定，则不应该设置默认值，具体的数值在调用函数时，由外界传递。
一句话讲在定义函数时怎样指定函数的缺省参数的默认值，在形参后面跟上一个等号，等号后面跟上参数的默认值就可以了。可以看以上案例。
必须保证带有默认值的缺省参数在参数列表末尾。
所以，以下定义是错的：
PyCharm在错误的参数下面会有一个波浪线提示，告诉你要么给它挪到缺省参数前面，要么它也变成带有默认值的缺省参数。
在调用函数时，如果有多个缺省参数，需要指定参数名，这样解释器才能能够知道参数的对应关系。
执行结果：
python中的函数，大多需要配置参数，以下是几种函数的参数类型：
1.必备参数：以正确的顺序、个数传入函数。调用时的参数情况要和声明时一样。最常用的情况。
def tplink(a,b):
c=a+b+b
return c
tplink(4,2)
2.关键字参数:使用关键字参数允许函数调用时参数的顺序和声明时不一致，因为python解析器会在调用函数时，用参数名匹配参数值。
def tplink(age1,age2):
ageall=age1+age2+age2
return ageall
tplink(age2=4,age1=2)
3.默认参数：默认某个参数的取值
def tplink(age1,age2=5):
ageall=age1+age2+age2
return ageall
tplink(age1=4)
4.不定长参数：在声明时并不确定 调用时的参数数量。这种情况，可以用不定长参数进行解决，具体操作是在参数名前用*。
但不能和 关键字参数并用。一般在正常参数arg之后。
*args、**kwargs的定义：
这两个都是python中的不定长参数，又称为可变参数。
*args 表示任何多个无名参数，它是一个 tuple ；
**kwargs 表示关键字参数，它是一个dict。
同时使用 * args和 ** kwargs 时，必须 * args参数列要在 ** kwargs前。且都在arg之后。
函数在调用时，会根据顺序，看是否放进 *args 或者 **kwargs中。
具体可根据实际情况使用，可以 更方便灵活的接收信息。
