1 .創作靈感

小伙伴們再閱讀深度學習模型的代碼的時候，經常會遇到yaml格式的配置文件。用這個配置文件是因為我們在訓練模型的時候會涉及很多的參數，如果這些參數東一個，西一個，我們調起來的時候就會很不方便，所以用yaml腳本將他們集中到一起，類似的配置文件還有，json等。

2.yaml文本的基本格式

新建confg.yaml文本編寫以下內容：

# 配置文件
manual_seed: 1device: cpu
model:name: Unetinchanlel: 1out_chanlel: 1f_maps: 64trainer:checkpoint_dir: '/home/user'resume: '/home/user/last_checkpoint.pytorch'

注意兩點：

（1）yaml通過鍵值對存儲信息，通過冒號和空格區分鍵和值

（2）不同級別用空格進行縮進，同一級別的內容空格縮進相同

3.讀取yaml文件的內容

import yaml
# 讀取ymal文件# 打開文件
with open('config.yaml', 'r', encoding="utf-8") as f:#通過yaml.safe_load(f)函數讀取內容config = yaml.safe_load(f)#通過字典索引的方式調用內容
checkpoint_dir = config['trainer']['checkpoint_dir']print(f"地址: {checkpoint_dir}")

4. 寫入yaml文件

# 寫入yaml文件,以字典的形式存入數據
config_new = {'optimizer': {'learning_rate': 0.002,'weight_decay': 0.0001}}with open('config_new.yaml', 'w+') as f:yaml.safe_dump(config_new, f)

數據會被存入到新的yaml文件中

參考文章

玩轉PyYAML：讓Python與YAML格式數據無縫對接 - 知乎 (zhihu.com)