什么'；在pytorch中使用子模型的两种方法有什么不同？

方法1：

class subnet1():
    def __init__()

class subnet2():
    def __init__()

class father_net():
    def __init__():
        self.n1 = subnet1()
        self.n2 = subnet2()
    def forward():
        x = self.n1()
        x = self.n2(x)

方法2：

class father_net():
    def subnet1():
    def subnet2():
    def forward():
        x = self.subnet1()
        x = self.subnet2()

当我训练父亲时，似乎没什么不同

---

不过我还是想得到一些详细的解释。有什么想法吗？

从面向对象的角度来看，方法1将两个子网实现为对象，并将前向传递作为行为。而在方法2中，两个子网被定义为父网对象的行为，因此被定义为方法

从执行的角度来看，二者是相同的，但考虑子网作为实体（对象）并具有各自的正向传递（和反向传递）作为它们各自的行为更有意义。p>

---

方法2可能更有意义的一个场景是，当您必须显式地将子网约束为仅由

父网使用时，从面向对象的角度来看，方法1将两个子网实现为对象，并将向前通过网络作为行为。而在方法2中，两个子网被定义为父网对象的行为，因此被定义为方法

从执行的角度来看，二者是相同的，但考虑子网作为实体（对象）并具有各自的正向传递（和反向传递）作为它们各自的行为更有意义。p>
方法2可能更有意义的一种情况是，当您必须明确地将子网限制为仅由
父网
使用时，我认为这取决于您是否在
父网
之外使用
子网
函数的子例程。如果不是，那么这两个子例程只是一个不应该与其他网络共享的属性，这在第一个实例中是可能的。我认为这取决于您是否在您的
父网
之外使用
子网
功能的子例程。如果不是，那么这两个子例程只是一个不应该与其他网络共享的属性，这在第一个实例中是可能的