Python forward（）接受1个位置参数，但给出了2个

我正试图用EfficientNet-B0建立一个模型。 下面的代码显示了模型的详细信息。 当我尝试学习时，我犯了以下错误

TypeError                                 Traceback (most recent call last)
'''
<ipython-input-17-fb3850894108> in forward(self, *x)
     24         #x: bs*N x 3 x 128 x 128
     25         print(x.shape)     #([384, 3, 224, 224])
---> 26         x = self.enc(x)
     27         #x: bs*N x C x 4 x 4
     28         shape = x.shape

/opt/conda/lib/python3.7/site-packages/torch/nn/modules/module.py in __call__(self, *input, **kwargs)
    548             result = self._slow_forward(*input, **kwargs)
    549         else:
--> 550             result = self.forward(*input, **kwargs)
    551         for hook in self._forward_hooks.values():
    552             hook_result = hook(self, input, result)

/opt/conda/lib/python3.7/site-packages/torch/nn/modules/container.py in forward(self, input)
     98     def forward(self, input):
     99         for module in self:
--> 100             input = module(input)
    101         return input
    102 

/opt/conda/lib/python3.7/site-packages/torch/nn/modules/module.py in __call__(self, *input, **kwargs)
    548             result = self._slow_forward(*input, **kwargs)
    549         else:
--> 550             result = self.forward(*input, **kwargs)
    551         for hook in self._forward_hooks.values():
    552             hook_result = hook(self, input, result)

TypeError: forward() takes 1 positional argument but 2 were given

通过使用include_top参数，您可以轻松获得没有最后一层的网络：

m = EfficientNet.from_pretrained('efficientnet-b0', include_top=False)

很容易看出，它所做的不是为最后一层（AveragePool、Dropout、FC）调用前向方法

其他可概括如下：

定义一个新的MyEfficientNet，该MyEfficientNet覆盖forward方法，以避免调用最后一层

覆盖不需要标识层的层。例如：

m、 _fc=nn.Identity（）

当使用efficientnet作为功能提取器时，应首选第一种方法，而当需要更多定制时，应使用其他方法。

通过使用include\u top参数，您可以轻松获得无最后一层的网络：

m = EfficientNet.from_pretrained('efficientnet-b0', include_top=False)

很容易看出，它所做的不是为最后一层（AveragePool、Dropout、FC）调用前向方法

其他可概括如下：

定义一个新的MyEfficientNet，该MyEfficientNet覆盖forward方法，以避免调用最后一层

覆盖不需要标识层的层。例如：

m、 _fc=nn.Identity（）

---

当使用efficientnet作为功能提取器时，应首选第一种方法，而当需要更多定制时，应使用其他方法。

在

转发（self，*x）

中添加星号将列表解压缩

x

。您应该删除它，这个内核可以使用ResNet运行。我认为没有必要使用星号，因为我正在输入一个元组。请让我知道我是否能找出原因。请将代码部分粘贴到您使用

模型

类实例的位置。感谢您联系我们，作为一个模型，我们已在此基础上转移了学习。在

forward（self，*x）

中添加星号将解压列表

x

。您应该删除它，这个内核可以使用ResNet运行。我认为没有必要使用星号，因为我正在输入一个元组。请让我知道我是否能找出原因。请将代码部分粘贴到您使用

模型

类实例的位置。感谢您联系我们，作为一个模型，我们已在此基础上转移了学习。