tf.app.flags.DEFINE_string()和tf.app.flags.FLAGS
在看SSD的TensorFlow原始碼（連結點選開啟連結）時遇到了這tf.app.flags.DEFINE_string()函式和tf.app.flags.FLAGS變數，於是翻閱TensorFlow官網API結果竟然是。。。
真是相當於白說，意思還是讓我自己看原始碼。。。。。。。
於是上網找，還是找到了Stack Overflow裡的一個解答點選開啟連結
答案說其實這個，很多時候看TensorFlow的API文件不如看TensorFlow的原始碼更容易（真的麼。。。），所以答主經常用pycharm開啟TensorFlow原始碼的工程，這樣能方便的找到答案。比如說你看要看tensorflow/python/platform/flags.py
好吧，在我辛苦弄懂argparse也就是一個方便使用者新增命令列的玩意之後，問題終於明瞭了。
我抽取了flags.py的幾段程式
這裡是import了argparse as _argparse
然後建立argparse一個全域性物件_global_parser
定義了_FlagValues這個類，並使用前面定義的全域性物件_global_parser，將_global_parser裡得到的命令列解析出來，使用了parse_known_args()這個函式（具體可從這裡檢視
然後後面在_define_helper函式中呼叫了_global_parser.add_argument完成對命令列option argument的新增，這裡呼叫_global_parser也就是前面引數解析器的一個例項，也就是說，真正完成對命令列引數新增的是在_define_helper中的_global_parser.add_argument函式，仔細看這個函式的引數，第一個引數時 ‘--’+flag_name這個表示我們定義的命令列引數使用時必須以 ‘--’開頭，比如‘--flag_int 9’(具體看後面栗子)，而第二個引數是命令列的預設值，因為有時候並沒有賦給命令列引數值，這個時候就預設值就發揮作用了，而第三個引數help儲存幫助資訊（具體可看後面栗子），第四個引數表示限定了賦予命令列引數資料的型別。
看DEFINE_string()，這裡則由於_define_helper()最後一個type引數時str，上面我們關於_define_helper的引數的解釋，說明DEFINE_string()限定了可選引數輸入必須是string，這也就是為什麼這個函式定義為DEFINE_string()，同理，DEFINE_int()限定可選引數必須是int，DEFINE_float()限定可選引數必須是float，DEFINE_boolean()限定可選引數必須是bool。
最關鍵的一步，這裡定義了_FlagValues這個類的一個例項,這樣的這樣當要訪問命令列輸入的命令時，就能使用像tf.app.flag.Flags這樣的操作。
感覺說得很零碎，總結起來的話，tf.app.flags.DEFINE_xxx()就是新增命令列的optional argument（可選引數），而tf.app.flags.FLAGS可以從對應的命令列引數取出引數。
舉個栗子
新建test.py檔案，並輸入如下程式碼，程式碼的功能是建立幾個命令列引數，然後把命令列引數輸出顯示
import tensorflow as tf
FLAGS=tf.app.flags.FLAGS
tf.app.flags.DEFINE_float(
'flag_float', 0.01, 'input a float')
tf.app.flags.DEFINE_integer(
'flag_int', 400, 'input a int')
tf.app.flags.DEFINE_boolean(
'flag_bool', True, 'input a bool')
tf.app.flags.DEFINE_string(
'flag_string', 'yes', 'input a string')
print(FLAGS.flag_float)
print(FLAGS.flag_int)
print(FLAGS.flag_bool)
print(FLAGS.flag_string)1.在命令列中檢視幫助資訊，在命令列輸入 python test.py -h
注意紅色框中的資訊，這個就是我們用DEFINE_XXX新增命令列引數時的第三個引數
2.直接執行test.py
因為沒有給對應的命令列引數賦值，所以輸出的是命令列引數的預設值。
3.帶命令列引數的執行test.py檔案
這裡輸出了我們賦給命令列引數的值