Pytorchtutorial：类定义中奇怪的输入参数

Question

我正在读一些pytorch教程。下面是剩余块的定义。但是，在forward方法中，每个函数句柄只接受一个参数out，而在__init__函数中，这些函数具有不同数量的输入参数：

# Residual Block
class ResidualBlock(nn.Module):
    def __init__(self, in_channels, out_channels, stride=1, downsample=None):
        super(ResidualBlock, self).__init__()
        self.conv1 = conv3x3(in_channels, out_channels, stride)
        self.bn1 = nn.BatchNorm2d(out_channels)
        self.relu = nn.ReLU(inplace=True)
        self.conv2 = conv3x3(out_channels, out_channels)
        self.bn2 = nn.BatchNorm2d(out_channels)
        self.downsample = downsample

    def forward(self, x):
        residual = x
        out = self.conv1(x)
        out = self.bn1(out)
        out = self.relu(out)
        out = self.conv2(out)
        out = self.bn2(out)
        if self.downsample:
            residual = self.downsample(x)
        out += residual
        out = self.relu(out)
        return out

有人知道这是怎么回事吗？ 它是一个标准的python类继承特性还是pytorch特有的特性？你知道吗

Answer 1

您可以在类的构造函数（__init__函数）中定义网络体系结构的不同层。基本上，创建不同层的实例时，可以使用设置参数对其进行初始化。你知道吗

例如，当您声明第一个卷积层self.conv1时，您将给出初始化该层所需的参数。在forward函数中，只需使用输入调用层即可获得相应的输出。例如，在out = self.conv2(out)中，获取前一层的输出，并将其作为下一个self.conv2层的输入。你知道吗

请注意，在初始化过程中，您向层提供了将向该层提供何种类型/形状的输入的信息。例如，您告诉第一个卷积层您的输入中输入和输出通道的数量是多少。在forward方法中，您只需要传递输入，就是这样。你知道吗

Answer 2

您可以在init函数中定义层，这意味着参数。在forward函数中，您只输入需要使用init的预定义设置进行处理的数据。这个不管怎样使用传递给它的设置生成函数。那么这个函数可以在forward中使用，并且这个函数只接受一个参数。你知道吗