pytorch 中的 forward 的使用与解释

PyTorch中forward与__call__的使用解析

最新推荐文章于 2025-07-24 20:43:40 发布

原创最新推荐文章于 2025-07-24 20:43:40 发布 · 8w 阅读

149

361 ·

CC 4.0 BY-SA版权

pytorch 专栏收录该内容

16 篇文章

订阅专栏

本文详细解析了PyTorch中forward函数与__call__方法的使用，通过实例演示了如何在定义自定义模块时，利用__call__方法自动调用forward函数进行前向传播，避免了直接调用forward方法的繁琐。

文章目录

前言
forward 的使用
forward 使用的解释
参考资料

前言

最近在使用pytorch的时候，模型训练时，不需要使用forward，只要在实例化一个对象中传入对应的参数就可以自动调用 forward 函数
即：

forward 的使用

class Module(nn.Module):
    def __init__(self):
        super(Module, self).__init__()
        # ......
       
    def forward(self, x):
        # ......
        return x

data = .....  #输入数据
# 实例化一个对象
module = Module()
# 前向传播
module(data)  
# 而不是使用下面的
# module.forward(data)

实际上

module(data)

是等价于

module.forward(data)

forward 使用的解释

等价的原因是因为 python calss 中的__call__和__init__方法.

class A():
    def __call__(self):
        print('i can be called like a function')
 
a = A()
a()

out：

i can be called like a function

__call__里调用其他的函数


class A():
    def __call__(self, param):
        
        print('i can called like a function')
        print('传入参数的类型是：{}   值为： {}'.format(type(param), param))
 
        res = self.forward(param)
        return res
 
    def forward(self, input_):
        print('forward 函数被调用了')
 
        print('in  forward, 传入参数类型是：{}  值为: {}'.format( type(input_), input_))
        return input_
 
a = A()
 
 
input_param = a('i')
print("对象a传入的参数是：", input_param)

out: