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
class Module(nn.Module): def __init__(self): super(Module, self).__init__() # ...... def forward(self, x): # ...... return x 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 python calss 中的__call__和__init__方法.
class A(): def __call__(self): print('i can be called like a function') a = A() a()
out:
i can be called like a function
__call__里调用其他的函数
class A(): def __call__(self, param): print('i can called like a function') print('传入参数的类型是:{} 值为: {}'.format(type(param), param)) res = self.forward(param) return res def forward(self, input_): print('forward 函数被调用了') print('in forward, 传入参数类型是:{} 值为: {}'.format( type(input_), input_)) return input_ a = A() input_param = a('i') print("对象a传入的参数是:", input_param)
out:
i can called like a function
传入参数的类型是:<class ‘str'> 值为: i
forward 函数被调用了
in forward, 传入参数类型是:<class ‘str'> 值为: i
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
class Module(nn.Module): def __init__(self): super(Module, self).__init__() # ...... def forward(self, x): # ...... return x 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 python calss 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
class A(): def __call__(self): print('i can be called like a function') a = A() a() >i can be called like a function
在__call__ 里可调用其它的函数
class A(): def __call__(self, param): print('我在__call__中,传入参数',param) res = self.forward(param) return res def forward(self, x): print('我在forward函数中,传入参数类型是值为: ',x) return x 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。如有错误或未考虑完全的地方,望不吝赐教。
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
- 凤飞飞《我们的主题曲》飞跃制作[正版原抓WAV+CUE]
- 刘嘉亮《亮情歌2》[WAV+CUE][1G]
- 红馆40·谭咏麟《歌者恋歌浓情30年演唱会》3CD[低速原抓WAV+CUE][1.8G]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[320K/MP3][193.25MB]
- 【轻音乐】曼托凡尼乐团《精选辑》2CD.1998[FLAC+CUE整轨]
- 邝美云《心中有爱》1989年香港DMIJP版1MTO东芝首版[WAV+CUE]
- 群星《情叹-发烧女声DSD》天籁女声发烧碟[WAV+CUE]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[FLAC/分轨][748.03MB]
- 理想混蛋《Origin Sessions》[320K/MP3][37.47MB]
- 公馆青少年《我其实一点都不酷》[320K/MP3][78.78MB]
- 群星《情叹-发烧男声DSD》最值得珍藏的完美男声[WAV+CUE]
- 群星《国韵飘香·贵妃醉酒HQCD黑胶王》2CD[WAV]
- 卫兰《DAUGHTER》【低速原抓WAV+CUE】
- 公馆青少年《我其实一点都不酷》[FLAC/分轨][398.22MB]
- ZWEI《迟暮的花 (Explicit)》[320K/MP3][57.16MB]