nn.Model中的forward()前向传播不调用

前言：

self.dagmm.train()  # self.dagmm = DaGMM(self.gmm_k) 
enc, dec, z, gamma = self.dagmm(input_data)

　在Pytorch中没用调用模型的forward()前向传播，只有实例化把参数传入。

　定义一个模型：

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 class 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__里可以调用其它函数：

class A(object):
    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')
print("传入的参数是：", y)
#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
传入的参数是： i

 

 

附录：

附录1：

　可调用的对象：

　　关于__call__方法，不得不先提一个概念，就是可调用对象（callable），我们平时自定义的函数、内置函数和类都属于可调用对象，但凡是可以把一对括号()应用到某个对象身上都可称之为可调用对象，判断对象是否为可调用对象可以用函数callable。

　　如果在类中实现了__call__方法，那么实例对象也将成为一个可调用对象。

　　你也许已经知道，在Python中，方法也是一种高等的对象。这就意味着它们可以被传递到方法中，就像其他对象一样。这是个非常惊人的特征。在Python中，一个特殊的魔术方法可以让类的实例的行为表现得像函数一样，你可以调用他们，将一个函数当做一个参数传到另一个函数中等等。这是一个非常强大的特性，__call__(self, [args...])。

　　

参考：

参考1：Pytorch模型中nn.Model中的forward()前向传播不调用 解释

参考2：Python __call__详解