Python 当pytorch中有两个以上的输入参数时，如何使用forward（）方法

有人能告诉我

forward（）

方法中多个参数背后的概念吗？ 通常，

forward（）

方法的实现有两个参数

自我

输入

如果正向方法包含的参数超过这些参数，则PyTorch如何使用正向方法

让我们考虑这个代码库： 在这里，236位作者使用了带有两个以上参数的正向方法：

中心

返回u嵌入

---

我找不到一篇文章可以回答我关于第254行（

return\u embeddings:

）和第257行（

如果centers不是None:

）将执行什么条件的查询。据我所知，该方法由nn模块内部调用。谁能帮我把灯打开吗？

前进功能由您设置。这意味着您可以根据需要添加更多参数。例如，您可以添加如下所示的输入

def forward(self, input1, input2,input3):
    x = self.layer1(input1)
    y = self.layer2(input2)
    z = self.layer3(input3)

    net = torch.cat((x,y,z),1)

    return net

---

在向网络馈电时，必须控制参数。层的馈送不能超过一个参数。因此，您需要从输入中逐个提取特征，并用

torch.cat（（x，y），1）

（1表示维度）连接它们

如果我们可以设置自己的参数，那么Pytorch在调用forward函数时会知道它需要哪些输入参数？是在训练的时候吗？正如我所问的，我需要澄清何时调用这两个条件？首先，也是最重要的，是建立网络时设置的转发功能。通常网络功能称为

输出=模型（输入）

。但是，当您有多个输入网络时，

output=model（input1，input2）

。它直接连接到您的网络实现。如果您想使用具有多个参数的网络，您必须定义自己的网络。因此，这意味着input1和input2都是不同的输入，当我们训练此网络时，它的“数据输入数”应等于“转发中的参数数（）函数。我是对的吗？那么在这种情况下，为什么return_embeddings的默认值=False？应该是我在Keras中从未见过的输入，也应该是给出二进制值的人（不像二进制值的张量，只是一个二进制值。）