pytorch 中forward 的用法与解释说明
(编辑:jimmy 日期: 2024/11/2 浏览:3 次 )
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。
下一篇:基于Pytorch版yolov5的滑块验证码破解思路详解