learning_rate，training_data_path等，因此编写一个config文件统一存放这些参数，方便调用/查看/修改还是很有必要的。下面是我使用过的一种很简单的方式，不是很优雅，小模型下初步的微调已经够用，希望也对你有所帮助，有更好更pro的方式欢迎大家留言~mlp.ipynb: 用于training等config.py: 存放超参数、路径targets：targets data pathtrain：training data path这个.py文件实际上是一个class，大概如下:
class DefaultConfig(object):
# dataset划分
batch_size = 40
train_pct = 0.7
vali_pct = 0.2
test_pct = 0.1
#learning rate
learning_rate = 1e-3
# Training data
train_path = r"../data/train"
target_path_metric = r"../data/targets"写成class之后，在mlp.ipynb中调用只需要引用一下就完事了:
import config # import进来 reload(config) ################## 注意这里必须reload！！ from config import DefaultConfig # 引入class opt = DefaultConfig() # 实例config对象 # 这里名字最好保持和clas内部一致，方便检查 batch_size = opt.batch_size train_pct = opt.train_pct vali_pct = opt.vali_pct test_pct = opt.test_pct
注意，很可能当我们改动config.py之后，外部文件的参数不会及时更新，所以加入reload语句是一个很好的习惯
import config # import进来 reload(config) ################## 注意这里必须reload！！
