在PyTorch中，forward（）和普通方法有什么区别？

实现自定义

nn.Module

类的

forward（）

方法与向该类添加普通方法有何不同

我听说

forward（）

方法应该只接受和返回张量，因为PyTorch对

forward（）

方法的输入和输出实现了特殊处理。但我尝试在

forward（）

方法上输入/输出非张量对象，并实现一个没有

forward（）

方法的模块（相反，有多个自定义命名方法，它们的行为类似于

forward（）

方法）。这两种方法都很有效。

forward（）

方法不接受任何类型的参数。但是，

forward（）

方法的目标是封装正向计算步骤

forward（）

在

\uuu call\uu

函数中调用。在

forward（）

方法中，PyTorch调用嵌套模型本身来执行正向传递

鼓励它：

不调用forward（x）方法。您应该调用整个模型本身，如在模型（x）中执行正向传递和输出预测

如果你不这样做会发生什么

---

如果调用

.forward（）

方法，并且在模型中具有，钩子将不会产生任何效果。

您是否知道，当您将

nn.Module

作为函数调用时（例如，通过

调用

）会调用

.forward（…）

，如果将模型包装在

DataParallel

中，如果不实现

forward

，肯定会遇到问题。