nn.Model中的forward()前向傳播不調用

前言：

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

　在Pytorch中沒用調用模型的forward()前向傳播，只有實例化把參數傳入。

　定義一個模型：

class Module(nn.Module):
    def __init__(self):
        super(Module, self).__init__()
        # ......
  
    def forward(self, x):
        # ......
        return x

data = .....  #輸入數據
# 實例化一個對象
module = Module()

#  前向傳播 直接把輸入傳入實列化
module(data)  #沒有使用module.forward(data)   
#實際上module(data)  等價於module.forward(data)   

　等價的原因是因為 python class 中的__call__可以讓類像函數一樣調用，當執行model(x)的時候，底層自動調用forward方法計算結果：

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__里可以調用其它函數：

class A(object):
    def __call__(self, param):
        print('我在__call__中，傳入參數', param)
        res = self.forward(param)
        return res

    def forward(self, x):
        print('我在forward函數中，傳入參數類型是值為: ', x)
        return x


a = A()
y = a('i')
print("傳入的參數是：", y)
#我在__call__中，傳入參數 i
我在forward函數中，傳入參數類型是值為:  i
傳入的參數是： i

 

 

附錄：

附錄1：

　可調用的對象：

　　關於__call__方法，不得不先提一個概念，就是可調用對象（callable），我們平時自定義的函數、內置函數和類都屬於可調用對象，但凡是可以把一對括號()應用到某個對象身上都可稱之為可調用對象，判斷對象是否為可調用對象可以用函數callable。

　　如果在類中實現了__call__方法，那么實例對象也將成為一個可調用對象。

　　你也許已經知道，在Python中，方法也是一種高等的對象。這就意味着它們可以被傳遞到方法中，就像其他對象一樣。這是個非常驚人的特征。在Python中，一個特殊的魔術方法可以讓類的實例的行為表現得像函數一樣，你可以調用他們，將一個函數當做一個參數傳到另一個函數中等等。這是一個非常強大的特性，__call__(self, [args...])。

　　

參考：

參考1：Pytorch模型中nn.Model中的forward()前向傳播不調用 解釋

參考2：Python __call__詳解