kedro 建议将参数存储在 conf/base/parameters.yml 中。假设它的内容如下：
step_size: 1model_params: learning_rate: 0.01 test_data_ratio: 0.2 num_train_steps: 10000现在假设我有一个 data_engineering 管道，其 nodes.py 中有一个函数，大致如下：
def some_pipeline_step(num_train_steps): """ 接受 `num_train_steps` 参数作为参数。 """ pass我想知道如何在 data_engineering/pipeline.py 中直接将这些嵌套参数传递给这个函数？我尝试过以下方法但没有成功：
from kedro.pipeline import Pipeline, nodefrom .nodes import split_datadef create_pipeline(**kwargs): return Pipeline( [ node( some_pipeline_step, ["params:model_params.num_train_steps"], dict( train_x="train_x", train_y="train_y", ), ) ] )我知道可以通过使用 ['parameters'] 将所有参数传递给函数，或者通过 ['params:model_params'] 传递所有 model_params 参数，但这看起来不够优雅，我觉得应该有更好的方法。欢迎任何建议！
回答：
（免责声明：我是 Kedro 团队的一员）
感谢你的提问。遗憾的是，Kedro 的当前版本不支持嵌套参数。临时的解决方案是如你所指出的那样在节点内使用顶级键，或者使用某种参数过滤器来装饰你的节点函数，但这同样不够优雅。
可能最可行的解决方案是通过重写 _get_feed_dict 方法来自定义你的 ProjectContext 类（在 src/<package_name>/run.py 中），如下所示：
class ProjectContext(KedroContext): # ... def _get_feed_dict(self) -> Dict[str, Any]: """获取参数并返回 feed 字典。""" params = self.params feed_dict = {"parameters": params} def _add_param_to_feed_dict(param_name, param_value): """此函数递归地将参数路径添加到 `feed_dict` 中， 当 `param_value` 本身是一个字典时，以便用户能够 在节点输入中指定特定的嵌套参数。 示例： >>> param_name = "a" >>> param_value = {"b": 1} >>> _add_param_to_feed_dict(param_name, param_value) >>> assert feed_dict["params:a"] == {"b": 1} >>> assert feed_dict["params:a.b"] == 1 """ key = "params:{}".format(param_name) feed_dict[key] = param_value if isinstance(param_value, dict): for key, val in param_value.items(): _add_param_to_feed_dict("{}.{}".format(param_name, key), val) for param_name, param_value in params.items(): _add_param_to_feed_dict(param_name, param_value) return feed_dict请注意，这个问题已经在 开发分支上得到解决，并将在下一个版本中可用。修复使用了上述代码片段中的方法。
