PyTorch学习记录十八——函数&方法_迭代算法pytorch调用-优快云博客

本文链接：https://blog.youkuaiyun.com/mmmmfh/article/details/146133939

一、函数&方法

函数

函数是一段独立的代码，它不依赖于任何对象，可以直接调用。
函数的参数列表中没有特殊要求，第一个参数可以是任意类型。

import torch

# 定义一个普通函数
def add_numbers(a, b):
    return a + b

# 调用函数
result = add_numbers(3, 5)
print(result)

# 使用 PyTorch 内置函数
x = torch.tensor([1, 2, 3])
sum_result = torch.sum(x)
print(sum_result)

方法（指实例方法）

方法是与对象绑定的函数，它必须通过对象来调用。比如在PyTorch中，模型的forward()方法就是一个典型的方法，需要通过模型实例来调用。
在类中定义的实例方法，其第一个参数通常是self（类方法是cls），它代表调用该方法的对象本身，方法可以访问和修改对象的属性和其他方法。

import torch
import torch.nn as nn

# 定义一个简单的模型类
class SimpleModel(nn.Module):
    def __init__(self):
        super(SimpleModel, self).__init__()
        self.fc = nn.Linear(10, 1)

    def forward(self, x):
        return self.fc(x)

# 创建模型实例
model = SimpleModel()
# 创建输入张量
input_tensor = torch.randn(1, 10)
# 调用方法
output = model(input_tensor)
print(output)

理解

可以把函数看作是独立的工具，它可以完成各种通用的任务，不依赖于特定的对象。而方法则是对象的行为，它与对象紧密相关，用于操作对象的属性和状态。在构建模型时，函数可以用于完成一些通用的张量操作，而方法则用于定义模型的结构和前向传播逻辑。通过合理地使用函数和方法，可以使代码更加模块化、可维护和可扩展。
在构建模型时，方法内部可以调用函数。例如，在模型的 forward() 方法中可以调用 PyTorch 的内置函数来完成一些张量操作,实现激活函数、损失函数等。

import torch
import torch.nn as nn
import torch.nn.functional as F

class SimpleModel(nn.Module):
    def __init__(self):
        super(SimpleModel, self).__init__()
        self.fc = nn.Linear(10, 1)  # 函数

    def forward(self, x):
        x = self.fc(x)
        x = F.relu(x)  # torch.nn.functional 模块中的函数
        return x

二、关于有无参数的理解

函数

函数括号为空，意味着调用函数时无需传入参数。

def say_hello():
    return "Hello!"
    
# 调用函数，括号为空
result = say_hello()
print(result)

实例方法

实例方法是与类的实例相关联的方法。如果实例方法不需要接收除了实例本身之外的其他参数，那么它的括号也可以为空。

class MyClass:
    def instance_method(self):
        print("This is an instance method.")

obj = MyClass()
obj.instance_method()

类方法

类方法是属于类而不是类的实例的方法。当类方法不需要接收除了类本身之外的其他参数时，它的括号可以是空的。

class MyClass:
    @classmethod
    def class_method(cls):
        print("This is a class method.")

MyClass.class_method()

要定义一个类方法，需要在方法定义的上方使用 @classmethod 装饰器，且方法的第一个参数通常命名为 cls（即类本身）。

实例化操作

注意，在进行实例化操作时，有时需要传入参数，有时不需要传入参数，所得到的是一个类的实例，而不是函数或者方法。

import torchvision.transforms as transforms

# 创建 ToTensor 类的实例
to_tensor = transforms.ToTensor()
print(type(to_tensor))  # 输出 <class 'torchvision.transforms.transforms.ToTensor'>