argparse 库解析命令行参数，指定模型存储路径

在深度学习中，我们通常需要将训练好的模型保存到磁盘上以便后续使用。使用 argparse 库解析命令行参数时，我们可以添加一个模型存储路径参数来指定模型的保存路径。

以下是一个使用 argparse 库解析模型存储路径参数的示例代码：

import argparse

parser = argparse.ArgumentParser(description='PyTorch MNIST Example')
parser.add_argument('--model_path', type=str, default='model.pt', metavar='PATH',
                    help='path to save the trained model')
args = parser.parse_args()

print('Model path:', args.model_path)

在上述代码中，我们使用 `add_argument()` 方法添加了一个名为 `model_path` 的参数，它的类型是 `str`，默认值为 `'model.pt'`，metavar 参数设置为 'PATH'，help 参数提供了该参数的帮助信息，即模型存储路径参数 (default: 'model.pt')。我们可以在命令行中使用 `--model_path` 参数来指定模型的保存路径，例如：

python train.py --model_path models/model_1.pt

在上述命令中，我们将模型保存路径设置为 `models/model_1.pt`。最后，我们使用 `args.model_path` 获取模型存储路径参数的值，并将其打印出来。

使用 argparse 库解析命令行参数时，我们可以根据具体的需求添加不同类型的参数来控制模型的超参数，例如学习率、批次大小、迭代次数等等。同时，我们也可以添加其他类型的参数来控制程序的行为，例如是否使用 GPU、是否进行数据增强等等。