Python 必需的位置参数：'；num#u特性'；错误

当我试图运行

ResNet

architecture时，我发现

num\u features

参数丢失。我想不出问题出在哪里：

import torch
import torch.nn as nn
from numpy.random import normal
from numpy.linalg import svd
from math import sqrt
import torch.nn.init
from .common import *

class ResidualSequential(nn.Sequential):
    def __init__(self, *args):
        super(ResidualSequential, self).__init__(*args)

    def forward(self, x):
        out = super(ResidualSequential, self).forward(x)
        # print(x.size(), out.size())
        x_ = None
        if out.size(2) != x.size(2) or out.size(3) != x.size(3):
            diff2 = x.size(2) - out.size(2)
            diff3 = x.size(3) - out.size(3)
            # print(1)
            x_ = x[:, :, diff2 /2:out.size(2) + diff2 / 2, diff3 / 2:out.size(3) + diff3 / 2]
        else:
            x_ = x
        return out + x_

    def eval(self):
        print(2)
        for m in self.modules():
            m.eval()
        exit()


def get_block(num_channels, norm_layer, act_fun):
    layers = [
        nn.Conv2d(num_channels, num_channels, 3, 1, 1, bias=False),
        norm_layer(num_channels, affine=True),
        act(act_fun),
        nn.Conv2d(num_channels, num_channels, 3, 1, 1, bias=False),
        norm_layer(num_channels, affine=True),
    ]
    return layers


class ResNet(nn.Module):
    def __init__(self, num_input_channels, num_output_channels, num_blocks, num_channels, need_residual=True, act_fun='LeakyReLU', need_sigmoid=True, norm_layer=nn.BatchNorm2d, pad='reflection'):
        '''
            pad = 'start|zero|replication'
        '''
        super(ResNet, self).__init__()

        if need_residual:
            s = ResidualSequential
        else:
            s = nn.Sequential

        stride = 1
        # First layers
        layers = [
            # nn.ReplicationPad2d(num_blocks * 2 * stride + 3),
            conv(num_input_channels, num_channels, 3, stride=1, bias=True, pad=pad),
            act(act_fun)
        ]
        # Residual blocks
        # layers_residual = []
        for i in range(num_blocks):
            layers += [s(*get_block(num_channels, norm_layer, act_fun))]
       
        layers += [
            nn.Conv2d(num_channels, num_channels, 3, 1, 1),
            norm_layer(num_channels, affine=True)
        ]

        # if need_residual:
        #     layers += [ResidualSequential(*layers_residual)]
        # else:
        #     layers += [Sequential(*layers_residual)]

        # if factor >= 2: 
        #     # Do upsampling if needed
        #     layers += [
        #         nn.Conv2d(num_channels, num_channels *
        #                   factor ** 2, 3, 1),
        #         nn.PixelShuffle(factor),
        #         act(act_fun)
        #     ]
        layers += [
            conv(num_channels, num_output_channels, 3, 1, bias=True, pad=pad),
            nn.Sigmoid()
        ]
        self.model = nn.Sequential(*layers)

    def forward(self, input):
        return self.model(input)

    def eval(self):
        self.model.eval()

错误

---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
18净=获取净（输入深度，'ResNet'，pad，
19个数字刻度=5，
--->20向上采样模式=‘双线性’。类型（数据类型）
21
22.其他：
2帧
/获取网络中的content/models/\uuuuuuuu init\uuuuuuuuuuuuuuy.py（输入深度、网络类型、pad、上采样模式、n通道、动作乐趣、跳过n33d、跳过n33u、跳过n11、数字缩放、下采样模式）
9如果网络类型='ResNet'：
10#待办事项
--->11净=ResNet（输入深度，3,10,16,1,nn.2d，假）
12 elif网络类型==‘跳过’：
13净=跳过（输入深度，n个通道，数字通道向下=[skip_n33d]*如果存在，数字缩放（skip_n33d，int），否则跳过n33d，
/content/models/resnet.py in_uuuuuinit_uuuuuu（self、num_输入通道、num_输出通道、num_块、num_通道、need_剩余、act_乐趣、need_sigmoid、norm_层、pad）
59#nn.复制PAD2D（块数*2*跨步+3），
60 conv（数字输入通道，数字通道，3，步幅=1，偏差=True，pad=pad），
--->61幕（戏趣）
62         ]
63#剩余块
/act中的content/models/common.py（act_fun）
90断言错误
91其他：
--->92返回法_fun（）
93
94
TypeError:\uuuu init\uuuu（）缺少1个必需的位置参数：“num\u features”

好的，看看，您传递的是一个可调用函数（某种构造函数），而不是字符串。具体来说，您传递的是。换句话说，您的参数在

ResNet

构造函数中未对齐（当您有这么多位置参数时，这是一个常见问题-使用关键字参数！）

问题是：

net = ResNet(input_depth, 3, 10, 16, 1, nn.BatchNorm2d, False)

您将

nn.BatchNorm2d

作为第六个位置参数传递，但是

ResNet

构造函数（忽略

self

）中的第六个参数是

act\u fun

看起来更好的电话应该是：

net = ResNet(input_depth, 3, 10, 16, 1, False, norm_layer=nn.BatchNorm2d)

---

这仍然有一个额外的位置参数，但我不确定

input\u depth

应该放在哪里。

ResNet

构造函数需要4个整数位置参数（

num\u input\u channels，num\u output\u channels，num\u blocks，num\u channels

，后面是关键字参数，如

need\u resistary

）。即使修复了

norm\u层

，您仍然在布尔值之前传递5个整数参数。

似乎是

act\u-fun

引用的函数是一个构造函数，它接受您没有传递的所需位置参数。很难说得更多，因为

act\u-fun

位于

common.py

中，您可以使用它您没有共享。@AndrewEckart谢谢。但是，

act\u-fun='LeakyReLU'

是在类resnet中传递的。这段代码是从中获取的。如果您想看一看，当我使用您提到的更改运行代码时，我得到了错误

TypeError:'bool'对象不可调用

。您可以看到我正在尝试复制的笔记本，一切都很好对于模型

skip

at

get\u net

但是当我尝试将模型更改为

resnet

时，我遇到了错误@Andrew EckartLike我说过，仍然有一个不匹配的参数。你要传递5个整数：

input\u depth，3，10，16，1

。构造函数需要4个：

num\u input\u channels，num\u output\u channels，num\u blocks，n嗯，频道

。我无法告诉您如何修复它，因为我不知道哪一个是无关的。公平地说，此存储库的作者已将此部分标记为todo，因此我不确定它是否有效：也许可以尝试删除

输入深度

，保留其他四个，看看是否有效。

net = ResNet(input_depth, 3, 10, 16, 1, nn.BatchNorm2d, False)

net = ResNet(input_depth, 3, 10, 16, 1, False, norm_layer=nn.BatchNorm2d)