当前位置：首页 > news >正文

为什么我们需要if name == main:

news 来源：原创 2025/9/9 6:09:31

[目录]
0.前言
1.什么是 `__name__`？
2.`if __name__ == '__main__'`: 的作用
3.为何Windows更需`if __name__ =`？

前言

if __name__ == '__main__': 是 Python 中一个非常重要的惯用法，尤其在使用 multiprocessing 模块或编写可导入的模块时。它的作用是区分脚本是直接运行还是被导入，从而控制代码的执行行为。很多初学者可能对此感到困惑，不明白其真正的用途和重要性。

~~直到发现自己的CPU因为不良的代码习惯而干烧了数十分钟才知道后悔~~

下面详细解释它的作用和工作原理。

1. 什么是 `name`？

__name__ 是 Python 中的一个内置变量，它的值取决于脚本的运行方式：

当脚本被直接运行时（例如通过 python script.py 运行）：
- __name__ 的值是 '__main__'。
- 这是 Python 解释器自动设置的，表示当前脚本是“主脚本”。
当脚本被导入为模块时（例如 import script）：
- __name__ 的值是模块的名称（例如 script）。
- 此时，脚本中的代码会被执行，但 __name__ 不再是 '__main__'。

示例

假设有一个脚本 example.py：

print("The value of __name__ is:", __name__)if __name__ == '__main__':print("This script is being run directly.")
else:print("This script is being imported as a module.")

直接运行：

python example.py

输出：

The value of __name__ is: __main__
This script is being run directly.

作为模块导入：创建另一个脚本 importer.py ：
```
import example
```
没错，这个新脚本就这么短小精悍。

输出：
```
The value of __name__ is: example
This script is being imported as a module.
```

2.`if name == 'main'`: 的作用

if __name__ == '__main__': 的作用是让某些代码块只在脚本被直接运行时执行，而在脚本被导入时不执行。这有以下几个重要用途：

避免导入时的副作用

当一个 Python 脚本被导入为模块时，脚本中的所有顶层代码（不在函数或类中的代码）都会被执行。
如果这些顶层代码包含不希望在导入时运行的操作（例如启动服务器、执行复杂计算、创建进程等），会产生意外行为。
使用 if name == ‘main’:，可以确保这些代码只在脚本被直接运行时执行。

示例

假设有一个脚本 math_utils.py：

# 顶层代码
print("This will always run when the script is imported!")def add(a, b):return a + b# 不使用 if __name__ == '__main__':
result = add(2, 3)
print(f"Result of add(2, 3): {result}")

另一个脚本 main.py导入了math_utils：

import math_utilsprint("Using math_utils to add numbers...")
print(math_utils.add(5, 6))

运行main.py：

This will always run when the script is imported!
Result of add(2, 3): 5
Using math_utils to add numbers...
11

问题在于，math_utils.py 中的顶层代码（print 和 result = add(2, 3)）在导入时被执行了，这可能不是我们想要的。
现在使用 if __name__ == '__main__': 修改 math_utils.py：

print("This will always run when the script is imported!")def add(a, b):return a + bif __name__ == '__main__':result = add(2, 3)print(f"Result of add(2, 3): {result}")

这时我们得到的运行后结果为：

This will always run when the script is imported!
Using math_utils to add numbers...
11

我们可以发现，if __name__ == '__main__': 块中的代码（result = add(2, 3) 和相关的 print）只在 math_utils.py 被直接运行时执行，导入时不会运行。

其他用途

(1) 测试代码

你可以在 if name == ‘main’: 中添加测试代码，这些代码只在脚本直接运行时执行，而不会在导入时运行。譬如：

def add(a, b):return a + bif __name__ == '__main__':# 测试代码print(add(2, 3))print(add(5, 6))

直接运行时，测试代码会执行;而导入时，测试代码则不会运行。

(2) 命令行工具

许多命令行工具使用 if __name__ == '__main__': 来定义入口点，确保主逻辑只在直接运行时执行。譬如：

import sysdef main():print("Hello, world!")print("Arguments:", sys.argv)if __name__ == '__main__':main()

如果不使用 if __name__ == '__main__': 保护，主逻辑会在脚本被导入时意外执行，这可能导致不希望的行为，尤其是在命令行工具中。

3. 为何Windows更需`if name =`？

这主要取决于我们 $\texttt{coding}$ 的场景——是否会用到multiprocessing 或是其它类似方法来加速我们的计算。

在 Linux 上，multiprocessing 默认使用 fork 方法创建子进程。fork 会直接复制主进程的内存状态，子进程不会重新加载脚本，因此顶层代码不会被重复执行。

在 Windows 上，multiprocessing 使用 spawn 方法，必须重新加载脚本，导致顶层代码被重复执行，因此需要 if __name__ == '__main__': 保护。

值得提醒的是，当我们在 $\texttt{Github}$ 上拿到其它大佬的项目代码时，我们自己在本地运行时一定要检查是否存在类似问题。以pix2pix与CycleGAN项目为例，其原始代码为：

import os
import numpy as np
import cv2
import argparse
from multiprocessing import Pooldef image_write(path_A, path_B, path_AB):im_A = cv2.imread(path_A, 1) # python2: cv2.CV_LOAD_IMAGE_COLOR; python3: cv2.IMREAD_COLORim_B = cv2.imread(path_B, 1) # python2: cv2.CV_LOAD_IMAGE_COLOR; python3: cv2.IMREAD_COLORim_AB = np.concatenate([im_A, im_B], 1)cv2.imwrite(path_AB, im_AB)parser = argparse.ArgumentParser('create image pairs')
parser.add_argument('--fold_A', dest='fold_A', help='input directory for image A', type=str, default='../dataset/50kshoes_edges')
parser.add_argument('--fold_B', dest='fold_B', help='input directory for image B', type=str, default='../dataset/50kshoes_jpg')
parser.add_argument('--fold_AB', dest='fold_AB', help='output directory', type=str, default='../dataset/test_AB')
parser.add_argument('--num_imgs', dest='num_imgs', help='number of images', type=int, default=1000000)
parser.add_argument('--use_AB', dest='use_AB', help='if true: (0001_A, 0001_B) to (0001_AB)', action='store_true')
parser.add_argument('--no_multiprocessing', dest='no_multiprocessing', help='If used, chooses single CPU execution instead of parallel execution', action='store_true',default=False)
args = parser.parse_args()for arg in vars(args):print('[%s] = ' % arg, getattr(args, arg))splits = os.listdir(args.fold_A)if not args.no_multiprocessing:pool=Pool()for sp in splits:img_fold_A = os.path.join(args.fold_A, sp)img_fold_B = os.path.join(args.fold_B, sp)img_list = os.listdir(img_fold_A)if args.use_AB:img_list = [img_path for img_path in img_list if '_A.' in img_path]num_imgs = min(args.num_imgs, len(img_list))print('split = %s, use %d/%d images' % (sp, num_imgs, len(img_list)))img_fold_AB = os.path.join(args.fold_AB, sp)if not os.path.isdir(img_fold_AB):os.makedirs(img_fold_AB)print('split = %s, number of images = %d' % (sp, num_imgs))for n in range(num_imgs):name_A = img_list[n]path_A = os.path.join(img_fold_A, name_A)if args.use_AB:name_B = name_A.replace('_A.', '_B.')else:name_B = name_Apath_B = os.path.join(img_fold_B, name_B)if os.path.isfile(path_A) and os.path.isfile(path_B):name_AB = name_Aif args.use_AB:name_AB = name_AB.replace('_A.', '.')  # remove _Apath_AB = os.path.join(img_fold_AB, name_AB)if not args.no_multiprocessing:pool.apply_async(image_write, args=(path_A, path_B, path_AB))else:im_A = cv2.imread(path_A, 1) # python2: cv2.CV_LOAD_IMAGE_COLOR; python3: cv2.IMREAD_COLORim_B = cv2.imread(path_B, 1) # python2: cv2.CV_LOAD_IMAGE_COLOR; python3: cv2.IMREAD_COLORim_AB = np.concatenate([im_A, im_B], 1)cv2.imwrite(path_AB, im_AB)
if not args.no_multiprocessing:pool.close()pool.join()

即是显然是在 $\texttt{Linux}$ 系统上使用的multiprocessing方法。本人一开始尚未注意到该问题，结果CPU干烧了十几分钟，出现类似的 $\texttt{RuntimeError}$

将代码修正后：

import os
import numpy as np
import cv2
import argparse
from multiprocessing import Pooldef image_write(path_A, path_B, path_AB):im_A = cv2.imread(path_A, 1)im_B = cv2.imread(path_B, 1)if im_A is None or im_B is None:print(f"Failed to load images: {path_A} or {path_B}")returnim_AB = np.concatenate([im_A, im_B], 1)cv2.imwrite(path_AB, im_AB)if __name__ == '__main__':parser = argparse.ArgumentParser('create image pairs')parser.add_argument('--fold_A', dest='fold_A', help='input directory for image A', type=str, default='../dataset/50kshoes_edges')parser.add_argument('--fold_B', dest='fold_B', help='input directory for image B', type=str, default='../dataset/50kshoes_jpg')parser.add_argument('--fold_AB', dest='fold_AB', help='output directory', type=str, default='../dataset/test_AB')parser.add_argument('--num_imgs', dest='num_imgs', help='number of images', type=int, default=1000000)parser.add_argument('--use_AB', dest='use_AB', help='if true: (0001_A, 0001_B) to (0001_AB)', action='store_true')parser.add_argument('--no_multiprocessing', dest='no_multiprocessing', help='If used, chooses single CPU execution instead of parallel execution', action='store_true', default=False)args = parser.parse_args()for arg in vars(args):print('[%s] = ' % arg, getattr(args, arg))splits = os.listdir(args.fold_A)if not args.no_multiprocessing:pool = Pool()for sp in splits:img_fold_A = os.path.join(args.fold_A, sp)img_fold_B = os.path.join(args.fold_B, sp)img_list = os.listdir(img_fold_A)if args.use_AB:img_list = [img_path for img_path in img_list if '_A.' in img_path]num_imgs = min(args.num_imgs, len(img_list))print('split = %s, use %d/%d images' % (sp, num_imgs, len(img_list)))img_fold_AB = os.path.join(args.fold_AB, sp)if not os.path.isdir(img_fold_AB):os.makedirs(img_fold_AB)print('split = %s, number of images = %d' % (sp, num_imgs))for n in range(num_imgs):name_A = img_list[n]path_A = os.path.join(img_fold_A, name_A)if args.use_AB:name_B = name_A.replace('_A.', '_B.')else:name_B = name_Apath_B = os.path.join(img_fold_B, name_B)if os.path.isfile(path_A) and os.path.isfile(path_B):print(f"Found pair: {path_A} and {path_B}")name_AB = name_Aif args.use_AB:name_AB = name_AB.replace('_A.', '.')  # remove _Apath_AB = os.path.join(img_fold_AB, name_AB)if not args.no_multiprocessing:pool.apply_async(image_write, args=(path_A, path_B, path_AB))else:image_write(path_A, path_B, path_AB)else:print(f"Pair not found: {path_A} or {path_B}")if not args.no_multiprocessing:pool.close()pool.join()

终于能够正常运行。

前言

1. 什么是 __name__？

示例

2.if __name__ == '__main__': 的作用