大家好久不见，毕设不是很顺利，焦头烂额了好一阵，这一个月几乎都浪费在寻找数据集和评估方式，预处理，训练并评估，被导师否决，重新寻找数据集和评估方式这样的死循环上了。。。很多重复但又有微妙不同的工作，代码很难管理和复用，没有学到什么非常值得分享的技术，抑或是遇到了但是因为忙着赶工没能及时分享然后现在不记得了。总之，这会儿在等一个模型训练完成，大概还要15分钟，正好有个小知识点，简单记录一下。

因为我tensorflow学得很半吊子，毕设初期都是按脚本来写的，而且一个模型一个脚本，有不少相同的部分，但也有大量差异。现在想做成一个统一的脚本，直接在命令行里输入模型类别，以及每层的神经元个数，激励函数等就可以直接训练，省下我一行一行改in line设置的时间，也可以预防我漏改了某个设置得到错误数据的情况。理想的情况自然是把这些脚本都改成模块和函数等，在train.py里调用。可是一想到毕设时间之紧迫，而且这种程度的重构免不了一堆bug，实在是头疼。于是我就想能不能直接在train.py中调用其它的python脚本，这样以来我只需要尽量统一初期的模型训练脚本argparse部分，就可以以很少的代码量，实现我想要的功能了。

于是Google大法好，stackoverflow教我做人，os.system('/path/to/foo.py')搞定！

嗯，在写到这里之前我一直以为这就搞定了，不过，刚刚看了一眼官方文档，发现事情并不简单，捡重要的贴给大家一下:

Execute the command (a string) in a subshell. This is implemented by calling 
the Standard C function system(), and has the same limitations... 
...
The subprocess module provides more powerful facilities for spawning new 
processes and retrieving their results; using that module is preferable to 
using this function. See the Replacing Older Functions with the subprocess 
Module section in the subprocess documentation for some helpful recipes.

代码块里贴不了链接，感兴趣的朋友可以点这里Replacing Older Functions with the subprocess Module。简而言之，就是subprocess这个模块里有个function，叫做call，可以替代os.system()使用，使用方法如下:

sts = os.system("mycmd" + " myarg")
# becomes
sts = call("mycmd" + " myarg", shell=True)

写博客很开心，几个月前记录的技巧最近经常要跑回去翻看，省下了重新查找并构思如何应用到自己的代码中的时间，今天甚至还了解到了写博客之前没注意的知识点，真的是大有益处。

最后想说的是，这种开process跑shell的骚操作其实并不稳，在毕设这种规模不算很大，又要赶时间的时候是一个很好的折衷，但如果是正经搞项目还是老老实实重构吧！