Pytorch forward()的简单理解与用法 | 您所在的位置:网站首页 › forward在python中的作用 › Pytorch forward()的简单理解与用法 |
1.基本用法
在pytorch中,使用torch.nn包来构建神经网络,我们定义的网络继承自nn.Module类。而一个nn.Module包含神经网络的各个层(放在__init__里面)和前向传播方式(放在forward里面),例如: class Module(nn.Module): # 网络结构 def __init__(self): super(Module, self).__init__() # ...... # 前向传播 def forward(self, x): # ...... return x #输入数据 data = ..... # 实例化网络 module = Module() # 前向传播 module(data) # 而不是使用下面的 # module.forward(data)可以发现,我们在编写代码的时候并不会显式地去调用forward方法。原因在于: module(data)实际上就等价于 module.forward(data) 2.原理分析首先明确为什么module是一个对象,却可以像一个方法一样传入data进行调用 module(data)原理是python中的__call__语法。例如: class Module(): def __call__(self, data): print('传入的参数为->', data) module = Module() module(1)输出为: 传入的参数为-> 1也就是说,在我们编写的模型所继承的nn.Module类中,其__call__方法内便包含了某种形式的对forward方法的调用,从而使得我们不需要显式地调用forward方法。 当然,以上是简化的理解,实际的过程应为: 调用module的call方法module的call里面调用module的forward方法forward里面如果碰到Module的子类,回到第1步,如果碰到的是Function的子类,继续往下调用Function的call方法Function的call方法调用了Function的forward方法Function的forward返回值module的forward返回值在module的call进行forward_hook操作,然后返回值 3.参考https://blog.csdn.net/xu380393916/article/details/97280035 https://blog.csdn.net/u011501388/article/details/84062483 |
CopyRight 2018-2019 实验室设备网 版权所有 |