Updates
（2019.8.14 19:53）吃饭前用这个方法实战了一下，吃完回来一看好像不太行：跑完一组参数之后，到跑下一组参数时好像没有释放之占用的 GPU，于是 notebook 上的结果，后面好几条都报错说 cuda out of memory。
现在改成：将 notebook 中的代码写在一个 python 文件中，然后用命令行运行这个文件，比如：
代码语言：javascript复制# autorun.py
import os
# print(os.getcwd())
over = [ # 之前手工改参数跑完的参数组合
[0, 1, 1], [0, 1, 2], [0, 1, 3],
[0, 2, 1],
[1, 0, 1],
[1, 2, 1]
]
for alpha in range(1, 4, 1):
for beta in range(3):
for gamma in range(3):
if [alpha, beta, gamma] in over:
continue
os.system(f'python main.py --alpha {alpha} --beta {beta} --gamma {gamma}')这里的 main.py 是训练用的主文件。改在 py 里用 os.system 跑，希望跑一组参数之后完会自动释放资源再跑下一组（?）
Notes
有多组参数组合需要尝试，不想每组参数都人工修改 python 代码，再在 notebook 中 %run 它。
python 参数通过的 argparse 接收，在 notebook 中写个多重循环遍历参数组合传给 python 程序自动运行。
记录一个简例。
Codes
test_dir |- test.py |- test.ipynb
in py file
代码语言：javascript复制# test.py
import argparse
parser = argparse.ArgumentParser()
parser.add_argument('--number', type=int, default=0, help='number')
parser.add_argument('--string', type=str, default='abc', help='string')
args = parser.parse_args()
print('number:', args.number, type(args.number))
print('string:', args.string, type(args.string))in notebook
注意传参数时 $ 的使用
代码语言：javascript复制# test.ipynb
for i in range(3):
for s in ('a', 'b', 'c'):
%run test.py --number $i --string $s补充知识：Jupyter Notebook出现kernel error FileNotFoundError: [WinError 2] 系统找不到指定的文件
Jupyter Notebook出现kernel error
conda create -n py36 –clone root
当时用Anaconda克隆本地的环境root到自己创建的py36环境，由于克隆完成后我又更改了虚拟环境名称，所以导致启动
jupyter notebook 进入文件是不能找到连接文件。
File”//anaconda/lib/python2.7/site-packages/jupyter_client/manager.py”, line 190, in _launch_kernel return launch_kernel(kernel_cmd, **kw) File “//anaconda/lib/python2.7/site-packages/jupyter_client/launcher.py”, line 123, in launch_kernel proc = Popen(cmd, **kwargs) File “//anaconda/lib/python2.7/subprocess.py”, line 710, in init errread, errwrite) File “//anaconda/lib/python2.7/subprocess.py”, line 1335, in _execute_child raise child_exception OSError: [Errno 2] No such file or director
解决办法
首先在cmd 使用jupyter kernelspec list查看安装的内核和位置
进入安装内核目录打开kernel.jason文件，查看Python编译器的路径是否正确
如果不正确python -m ipykernel install –user重新安装内核，如果有多个内核，如果你使用conda create -n python2 python=2,为Python2.7设置conda变量,那么在anacoda下使用activate pyhton2切换python环境，重新使用python -m ipykernel install –user安装内核.（通用情况）
或者直接进入kernel.json里更改py36(这是属于我的情况)
重启jupyter notebook即可。
以上这篇jupyter notebook参数化运行python方式就是小编分享给大家的全部内容了，希望能给大家一个参考。
