if __name__ == "__main__":

表示当前文件在shell下执行，而不是作为模块导入。

tf.app.run()

您可以通过文件app.py看到

def run(main=None, argv=None):
  """Runs the program with an optional 'main' function and 'argv' list."""
  f = flags.FLAGS

  # Extract the args from the optional `argv` list.
  args = argv[1:] if argv else None

  # Parse the known flags from that list, or from the command
  # line otherwise.
  # pylint: disable=protected-access
  flags_passthrough = f._parse_flags(args=args)
  # pylint: enable=protected-access

  main = main or sys.modules['__main__'].main

  # Call the main function, passing through any arguments
  # to the final program.
  sys.exit(main(sys.argv[:1] + flags_passthrough))

让我们逐行中断：

flags_passthrough = f._parse_flags(args=args)

这样可确保您通过命令行传递的参数有效，例如python my_model.py --data_dir='...' --max_iteration=10000实际上，此功能是基于python标准argparse模块实现的。

main = main or sys.modules['__main__'].main

=右边的第一个main是当前函数run(main=None, argv=None)的第一个参数。 sys.modules['__main__']表示当前正在运行的文件（例如， my_model.py ）。

因此有两种情况：

1. 您在my_model.py没有main功能，那么您必须调用tf.app.run(my_main_running_function)

2. 您在my_model.py有一个main功能。 （通常是这种情况。）

最后一行：

sys.exit(main(sys.argv[:1] + flags_passthrough))

确保使用解析后的参数正确调用main(argv)或my_main_running_function(argv)函数。

这只是一个非常快速的包装程序，可以处理标志解析，然后分派到您自己的主程序。参见代码 。

2.0兼容的答案 ：如果您想在Tensorflow 2.0使用tf.app.run() ，我们应该使用以下命令，

tf.compat.v1.app.run() ，也可以使用tf_upgrade_v2将1.x代码转换为2.0 。

tf.app没有什么特别的。这只是一个通用的入口点脚本 ，

使用可选的“ main”功能和“ argv”列表运行程序。

它与神经网络无关，它只是调用主函数，并传递给它的任何参数。

简而言之， tf.app.run()的工作是首先设置全局标志以供以后使用，例如：

from tensorflow.python.platform import flags
f = flags.FLAGS

然后使用一组参数运行自定义的main函数。

例如，在TensorFlow NMT代码库中，用于训练/推理的程序执行的第一个入口点就是从这一点开始（请参见下面的代码）

if __name__ == "__main__":
  nmt_parser = argparse.ArgumentParser()
  add_arguments(nmt_parser)
  FLAGS, unparsed = nmt_parser.parse_known_args()
  tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)

使用argparse解析参数后，使用tf.app.run()运行函数“ main”，其定义如下：

def main(unused_argv):
  default_hparams = create_hparams(FLAGS)
  train_fn = train.train
  inference_fn = inference.inference
  run_main(FLAGS, default_hparams, train_fn, inference_fn)

因此，在设置了供全局使用的标志之后， tf.app.run()只需运行您以argv作为参数传递给它的main功能。

PS：正如萨尔瓦多·达利（Salvador Dali）的回答所说，我猜这只是一个很好的软件工程实践，尽管我不确定TensorFlow是否会执行比使用常规CPython进行的main函数优化的运行。