使用yaml配置文件

朴灿烈づ我的快乐病毒、 2024-04-17 14:04 72阅读 0赞

### yaml： ###

yet another markup language，另一种标记语言，专门用来写配置文件，类似于json格式。

### 语法 ###

*  大小写敏感
 *  使用缩进表示层级关系
 *  缩进时不允许使用Tab键，只允许使用空格
 *  缩进的空格数目不重要，只要相同层级的元素左侧对齐即可
 *  \# 表示注释，从这个字符一直到行尾，都会被解析器忽略

### 数据结构： ###

*  对象：键值对的集合，又称为映射/哈希/字典
 *  数组：一组按次序排列的值，又称为序列/列表
 *  纯量：单个的、不可再分的值。字符串、布尔值、整数、浮点数、null、时间、日期

序列：

1.yaml里面写一个数组，前面加一个‘-’符号，如下
    
    - admin1: 123456
    - admin2: 111111
    - admin3: 222222
    
    对应python里面的list
    
    [{'admin1': 123456},
    {'admin2': 111111}, 
    {'admin3': 222222}]
    
    注意：数字读出来的是int或float类型

纯量：

在yaml文件写入以下内容：
    
    n1: 12.30
    n2: true
    n3: false
    n4: ~
    time1: 2018-04-18t21:59:43.10+08:00
    date1: 2018-04-18
    n6: !!str 123
    n7: !!str true
    
    python读取结果：
    
    {'n1': 12.3, 
    'n2': True, 
    'n3': False, 
    'n4': None, 
    'time1': datetime.datetime(2018, 4, 18, 13, 59, 43, 100000), 
    'date1': datetime.date(2018, 4, 18), 
    'n6': '123', 
    'n7': 'true'}

### 混合使用： ###

1.list嵌套dict，在yaml里面写入如下内容：
    
    - user: admin1
      psw: '123456' 
    - user: admin2
      psw: '111111' 
    - user: admin3
      psw: '222222'
    用python读取出来的结果：
    
    [{'user': 'admin1', 'psw': '123456'},
    {'user': 'admin2', 'psw': '111111'},
    {'user': 'admin3', 'psw': '222222'}]
    
    2.dict嵌套list，在yaml里面写入如下内容：
    nub1:
        - admin1
        - '123456' 
    nb2:
        - admin2
        - '111111' 
    nb3:
        - admin3
        - '222222'
    用python读取出来的结果：
    
    {'nub1': ['admin1', '123456'],
    'nb2': ['admin2', '111111'], 
    'nb3': ['admin3', '222222']

### 读取yaml格式文件： ###

with open('./config.yml') as file_config:
        config=yaml.load(file_config)
    
    feature_names=config['model_params']['feature_names']
    
    
    #以下是config配置内容例子
    
    data_params:
      path_result: ../data/lstm_crf/result.txt
      path_test: ../data/lstm_crf/test.txt
      path_train: ../data/lstm_crf/train.txt
      sep: table
      voc_params:
        char:
          min_count: 1
          path: null
        f1:
          min_count: 1
          path: ../data/lstm_crf/train_test_word2ids.pkl
        f2:
          min_count: 1
          path: null
        label:
          min_count: 0
          path: ../data/lstm_crf/train_test_tag2ids.pkl
    model: lstm_crf
    model_params:
      batch_size: 128
      bilstm_params:
        num_layers: 1
        num_units: 256
        rnn_dropout: 0.2
      clip: 10
      conv_dropout: 0.2
      conv_filter_len_list:
      - 1
      - 2
      - 3
      - 4
      - 5
      conv_filter_size_list:
      - 8
      - 8
      - 8
      - 8
      - 8
      dev_size: 0.1
      dropout_rate: 0.3
      embed_params:
        char:
          dropout_rate: null
          path: null
          path_pre_train: null
          shape:
          - null
          - null
        f1:
          dropout_rate: 0.3
          path: ../data/lstm_crf/f1_embed.mat.pkl
          path_pre_train: /E/home/mayajun/PycharmProjects/daguan_lstm_crf/data/word2vec.txt
          shape:
          - 4685
          - 256
        f2:
          dropout_rate: 0.3
          path: null
          path_pre_train: null
          shape:
          - null
          - null
      feature_names:
      - f1
      l2_rate: 0.001
      learning_rate: 5.0e-05
      max_patience: 5
      nb_classes: 4
      nb_epoch: 1000
      path_model: ../model/lstm_crf/model
      rnn_unit: lstm
      sequence_len_pt: 95
      sequence_length: 128
      use_char_feature: false
      use_crf: true
      word_len_pt: 95
      word_length: 11
    unknow_word: unk