AttributeError: cannot assign module before Module.init() call

诸神缄默不语

已于 2022-08-19 14:26:46 修改

阅读量6.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：人工智能学习笔记文章标签： PyTorch Python 深度学习 bug 人工智能

于 2022-08-19 14:25:49 首次发布

本文链接：https://blog.youkuaiyun.com/PolarisRisingWar/article/details/126424114

人工智能学习笔记专栏收录该内容

271 篇文章

订阅专栏

博客介绍了在Linux环境下，使用Python3.8和PyTorch1.11进行深度学习时遇到的问题。作者在自定义PyTorch模型子类的__init__()方法中，由于漏写了super().__init__()导致无法正确初始化模型。错误表现为尝试在未调用Module.__init__()之前定义子模型。解决方案是确保在定义子模型前调用父类的构造函数，即添加super(类名, self).__init__()。遵循这一修正后，程序得以正常运行。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

诸神缄默不语-个人优快云博文目录

运行环境，报错信息和查找到的错误内容：
Linux系统
Python 3.8（使用anaconda管理的虚拟环境）
PyTorch 1.11+cudatoolkit 10.2（通过anaconda下载）

这个问题是出现在自定义PyTorch模型（torch.nn.Module）子类的运行过程中，在__init__()函数中报错。
我的错误原因是super(类名,self).__init__()忘写最后一个括号了。将括号加上后，就能正常运行了。
这个错误的原因就在于还没有调用Module.__init__()就开始定义子模型了，如self.classifier=nn.Linear(input_dim,output_dim)等。参考异常解决（二）-- AttributeError: cannot assign module before Module.__init__() call_奋斗の博客的博客-优快云博客，也可能是因为直接没写super()命令而造成的。加上之后就可以正常运行。