forward()函數(shù)和__init__()的關(guān)系

__init__() 是一個(gè)類的構(gòu)造函數(shù)，用于初始化對(duì)象的屬性。它會(huì)在創(chuàng)建對(duì)象時(shí)自動(dòng)調(diào)用，而且通常在這里完成對(duì)象所需的所有初始化操作。

forward() 是一個(gè)神經(jīng)網(wǎng)絡(luò)模型中的方法，用于定義數(shù)據(jù)流的向前傳播過(guò)程。它接受輸入數(shù)據(jù)，通過(guò)網(wǎng)絡(luò)的各個(gè)層進(jìn)行計(jì)算，最終返回輸出結(jié)果。

在神經(jīng)網(wǎng)絡(luò)的 PyTorch 實(shí)現(xiàn)中，__init__() 方法通常用于實(shí)例化各個(gè)網(wǎng)絡(luò)層（例如卷積層、池化層、全連接層的維度等【這里只是執(zhí)行了初始化，但是可以通過(guò)后面實(shí)例化時(shí)調(diào)用的forward()重新給神經(jīng)網(wǎng)絡(luò)維度賦值】），并設(shè)置各層的超參數(shù)（例如卷積核大小、步幅、填充等）。而 forward() 方法則定義了這些網(wǎng)絡(luò)層之間的計(jì)算順序與邏輯，它負(fù)責(zé)將輸入數(shù)據(jù)傳遞到網(wǎng)絡(luò)中，并返回計(jì)算結(jié)果【這里輸入進(jìn)forward的數(shù)據(jù)維度要和forward()接收的第一個(gè)參數(shù)維度相同，雖然你看它只接受了一個(gè)參數(shù)‘x’，但是這個(gè)x的維度是多維的（在本代碼中就是(input_dim, hidden_dim)兩個(gè)大維度），而不是普通意義上的一個(gè)自然數(shù)】。

因此，兩個(gè)方法通常一起使用，__init__() 用于設(shè)置網(wǎng)絡(luò)結(jié)構(gòu)和超參數(shù)，forward() 則定義了從輸入到輸出的完整計(jì)算流程。

例子：

定義類：

import torch
import torch.nn as nn

class SimpleNet(nn.Module):
    def __init__(self, input_dim, hidden_dim, output_dim):
        super(SimpleNet, self).__init__()
        self.fc1 = nn.Linear(input_dim, hidden_dim)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(hidden_dim, output_dim)
    
    def forward(self, x):
        out = self.fc1(x)
        out = self.relu(out)
        out = self.fc2(out)
        return out

在上面的代碼中，我們定義了一個(gè)名為 SimpleNet 的神經(jīng)網(wǎng)絡(luò)模型，它繼承自 PyTorch 中的 nn.Module 類。我們?cè)?__init__() 方法中定義了三層網(wǎng)絡(luò)結(jié)構(gòu)，分別是輸入層 fc1、激活層 relu 和輸出層 fc2。其中，輸入層和輸出層都使用了全連接層（nn.Linear），而激活層使用了 ReLU 激活函數(shù)。

在 forward() 方法中，我們按照輸入數(shù)據(jù) x 經(jīng)過(guò) fc1、relu 和 fc2 三層的順序進(jìn)行計(jì)算，最終返回輸出結(jié)果 out。

調(diào)用

調(diào)用上述代碼的 forward() 方法需要先創(chuàng)建一個(gè) SimpleNet 類的對(duì)象，并將輸入數(shù)據(jù)傳遞給該對(duì)象。以下是一個(gè)簡(jiǎn)單的示例：

# 創(chuàng)建一個(gè) SimpleNet 對(duì)象，設(shè)置輸入維度為 10，隱藏層維度為 20，輸出維度為 5
net = SimpleNet(10, 20, 5)

# 構(gòu)造一個(gè)隨機(jī)的輸入張量，大小為 [batch_size, input_dim]，這里令 batch_size=1
input_tensor = torch.randn(1, 10)

# 將輸入張量傳入網(wǎng)絡(luò)中，得到輸出張量
output_tensor = net(input_tensor)

# 打印輸出張量的形狀
print(output_tensor.shape)

為什么上面的代沒(méi)有看到 __init__()、forword()函數(shù)的出現(xiàn)就完成了上述代碼的調(diào)用呢？

初始化一個(gè)類時(shí)，則自動(dòng)調(diào)用了該類的 __init__() 方法【net = SimpleNet(10, 20, 5)】

調(diào)用一個(gè)類的實(shí)例時(shí)，會(huì)自動(dòng)調(diào)用該類的forward() 方法【output_tensor = net(input_tensor)】文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-591099.html

到了這里，關(guān)于重新理解一個(gè)類中的forward()和__init__()函數(shù)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！