Python 为什么PyTorch定制模块中需要超级构造函数？

为什么在下面的代码中需要调用

super（LR，self）。\uuuu init\uuuu（）

？我得到错误“AttributeError:无法在模块之前分配模块。init（）调用”否则。该错误是由

self.linear=nn.linear（输入大小、输出大小）

引起的

我不明白调用

super（LR，self）。\uuu init\uuu（）

和能够将nn.Linear对象分配给self.Linear之间有什么联系。nn.Linear是一个单独的对象，可以分配给任何类之外的变量，那么为什么需要调用

super（LR，self）。\uuu init\uuu（）

将线性对象分配给类内的self.Linear

class LR(nn.Module):
    
    # Constructor
    def __init__(self, input_size, output_size):
        
        # Inherit from parent
        super(LR, self).__init__()
        self.test = 1
        self.linear = nn.Linear(input_size, output_size)
        
    
    # Prediction function
    def forward(self, x):
        out = self.linear(x)
        return out

您需要super（）调用，以便初始化mn.Module类本身。在Python中，不会自动调用超类构造函数/初始化器-必须显式调用它们，而super（）就是这样做的-它会确定要调用的超类

我假设您使用的是Python 3—在这种情况下，您不需要super（）调用中的参数—这就足够了：

        super().__init__()

---

在自定义类中编写

self.linear=nn.linear（…）

时，实际上是在调用类的

\uuuu setattr\uuuu

函数。恰好当您扩展

nn.Module

时，您的类继承了很多东西，其中之一就是。正如您在实现中所看到的（我只发布下面的相关部分），如果

nn.Linear

是

nn.Module

的实例，则您的类必须具有名为

\u modules

的属性，否则它将抛出您得到的

AttributeError

：

def\uuu setattr\uuuu（self，name:str，value:Union[Tensor，'Module']）->无：
# [...]
模块=自.uuu dict.get（“u模块”）
如果isinstance（值、模块）：
如果模块为无：
raise AttributeError（“无法在module.\uuu init\uuu（）调用之前分配模块”）
从（self.\u dict\u，self.\u参数，self.\u缓冲区，self.\u非持久性\u缓冲区集）中删除
模块[名称]=值

如果您查看

nn.Module

，您将看到

self.\u modules

在那里初始化：

def\uuuu初始化（自）：
"""
初始化内部模块状态，由nn.Module和ScriptModule共享。
"""
torch.\u C.\u log\u api\u用法\u一次（“python.nn\u模块”）
自我训练=真实
self.\u参数=OrderedDict（）
self.\u buffers=OrderedDict（）
self.\u非\u持久性\u缓冲区\u集=集（）
self.\u backward\u hooks=OrderedDict（）
self.\u forward\u hooks=OrderedDict（）
self.\u forward\u pre\u hooks=OrderedDict（）
self.\u state\u dict\u hooks=OrderedDict（）
self.\u load\u state\u dict\u pre\u hooks=OrderedDict（）
self._modules=OrderedDict（）#是的。我深入调查了来源并找到了答案。谢谢你抽出时间来回答。@ CMODY7.77开源是最好的：如果你认为这回答了你的问题并且可能对其他人有帮助，考虑把它投票或标记为答案。