pytorch 中forward 的用法与解释说明
前言
最近在使用pytorch的时候，模型训练时，不需要使用forward，只要在实例化一个对象中传入对应的参数就可以自动调用forward函数
即：
forward的使用
classModule(nn.Module): def__init__(self): super(Module,self).__init__() #...... defforward(self,x): #...... returnx data=.....#输入数据 #实例化一个对象 module=Module() #前向传播 module(data) #而不是使用下面的 #module.forward(data)
实际上
module(data)
是等价于
module.forward(data)
forward使用的解释
等价的原因是因为pythoncalss中的__call__和__init__方法.
classA():
def__call__(self):
print('icanbecalledlikeafunction')
a=A()
a()
out：
icanbecalledlikeafunction
__call__里调用其他的函数
classA():
def__call__(self,param):
print('icancalledlikeafunction')
print('传入参数的类型是：{}值为：{}'.format(type(param),param))
res=self.forward(param)
returnres
defforward(self,input_):
print('forward函数被调用了')
print('inforward,传入参数类型是：{}值为:{}'.format(type(input_),input_))
returninput_
a=A()
input_param=a('i')
print("对象a传入的参数是：",input_param)
out:
icancalledlikeafunction
传入参数的类型是：
forward函数被调用了
inforward,传入参数类型是：
对象a传入的参数是：i
补充：Pytorch模型中nn.Model中的forward()前向传播不调用解释
在pytorch中没有调用模型的forward（）前向传播，只实列化后把参数传入。
定义模型
classModule(nn.Module): def__init__(self): super(Module,self).__init__() #...... defforward(self,x): #...... returnx data=.....#输入数据 #实例化一个对象 module=Module() #前向传播直接把输入传入实列化 module(data) #没有使用module.forward(data)
实际上module(data)等价于module.forward(data)
等价的原因是因为pythoncalss中的__call__可以让类像函数一样调用
当执行model(x)的时候，底层自动调用forward方法计算结果
classA():
def__call__(self):
print('icanbecalledlikeafunction')
a=A()
a()
>>>icanbecalledlikeafunction
在__call__里可调用其它的函数
classA():
def__call__(self,param):
print('我在__call__中，传入参数',param)
res=self.forward(param)
returnres
defforward(self,x):
print('我在forward函数中，传入参数类型是值为:',x)
returnx
a=A()
y=a('i')
>>>我在__call__中，传入参数i
>>>我在forward函数中，传入参数类型是值为:i
print("传入的参数是：",y)
>>>传入的参数是：i
以上为个人经验，希望能给大家一个参考，也希望大家多多支持毛票票。如有错误或未考虑完全的地方，望不吝赐教。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。