介绍
这篇文章将为大家详细讲解有关如何在pytorch中使用前进的方法,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。
class 模块(nn.Module): 自我,def __init__ (): 超级才能(模块,,自我). __init__ () ,#,…… ,, 向前,def (自我,,x): ,#,…… return 才能;x 时间=data ....., #输入数据 #,实例化一个对象 时间=module 模块() #,前向传播 模块(数据), #,而不是使用下面的 #,module.forward(数据)
实际上
模块(数据)
是等价于
module.forward(数据)
向前使用的解释
等价的原因是因为python中属性的__call__和__init__方法。
class (): ,def __call__(自我): 打印才能(& # 39;小姐:还要be nbsp; like a 函数# 39;) , a =, () ()
:
我可以像调用一个函数
引用>__call__里调用其他的函数
class (): ,def __call__(自我,,参数): ,, 打印才能(& # 39;小姐:还要nbsp; like a 函数# 39;) 打印才能(& # 39;传入参数的类型是:{},值为:,{}& # 39;.format(类型(参数),参数)) , 时间=res 才能;self.forward(参数) ,return res , ,def 向前(自我,,input_): 打印才能(& # 39;forward 函数被调用了& # 39;) , 打印才能(& # 39;拷贝,,传入参数类型是:{},值为:,{}& # 39;.format(,类型(input_) input_)) return 才能;input_ a =, (), input_param =,(& # 39;我# 39;) print(“对象一个传入的参数是:“,,input_param):
我可以称为一个函数
引用>传入参数的类型是:& lt;类的str # 39;比;值为:我
向前函数被调用了
在向前,传入参数类型是:& lt;类的str # 39;比;值为:我
对象一个传入的参数是:我
<强>补充:Pytorch模型中神经网络。模型中提出的()前向传播不调用解释强>
在pytorch中没有调用模型的前锋()前向传播,只实列化后把参数传入。
定义模型
class 模块(nn.Module): 自我,def __init__ (): 超级才能(模块,,自我). __init__ () ,#,…… , 向前,def (自我,,x): ,#,…… return 才能;x 时间=data ....., #输入数据 #,实例化一个对象 时间=module 模块() #,前向传播,直接把输入传入实列化 模块(数据), #没有使用module.forward(数据)实际上模块(数据)等价于module.forward(数据)
引用><强>等价的原因是因为python中属性的__call__可以让类像函数一样调用强>
<强>当执行模型(x)的时候,底层自动调用前进方法计算结果强>
class (): ,def __call__(自我): 打印才能(& # 39;小姐:还要be nbsp; like a 函数# 39;) , a =, () 一() 祝辞祝辞祝辞小姐:还要be nbsp; like a 函数在__call__里可调用其它的函数
class (): ,def __call__(自我,,参数): ,, 打印才能(& # 39;我在__call__中,传入参数& # 39;,参数) , 时间=res 才能;self.forward(参数) ,return res , 向前,def (自我,,x): 打印才能(& # 39;我在向前函数中,传入参数类型是值为:,& # 39;,x) return 才能;x , a =, () y =,(& # 39;我# 39;) ,在在在,我在__call__中,传入参数,我 ,,,在的在的在我在向前函数中,传入参数类型是值为:我 print(“传入的参数是:“,,y) ,在祝辞祝辞传入的参数是:,我关于如何在pytorch中使用前进方法就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看的到。
如何在pytorch中使用前进的方法