Pytorch 来自'；深度强化学习：动手操作'；

我正在读马克西姆·拉潘的《深入学习实践》。我在第2章中遇到了这段代码，但有几件事我不明白。有人能解释为什么print（out）的输出给出了三个参数而不是我们输入的单浮点数张量吗。还有，为什么这里需要超级函数？最后，forward接受的x参数是什么？多谢各位

class OurModule(nn.Module):
    def __init__(self, num_inputs, num_classes, dropout_prob=0.3):  #init 
        super(OurModule, self).__init__() #Call OurModule and pass the net instance (Why is this necessary?) 
        self.pipe = nn.Sequential( #net.pipe is the nn object now
            nn.Linear(num_inputs, 5),
            nn.ReLU(),
            nn.Linear(5, 20),
            nn.ReLU(),
            nn.Linear(20, num_classes),
            nn.Dropout(p=dropout_prob),
            nn.Softmax(dim=1)
        )

    def forward(self, x): #override the default forward method by passing it our net instance and (return the nn object?). x is the tensor? This is called when 'net' receives a param?
        return self.pipe(x)

if __name__ == "__main__":
    net = OurModule(num_inputs=2, num_classes=3)
    print(net)
    v = torch.FloatTensor([[2, 3]])
    out = net(v)
    print(out) #[2,3] put through the forward method of the nn? Why did we get a third param for the output?
    print("Cuda's availability is %s" % torch.cuda.is_available()) #find if gpu is available
    if torch.cuda.is_available():
        print("Data from cuda: %s" % out.to('cuda'))

OurModule.__mro__

---

OurModule

定义了一个PyTorch

nn.Module

，它接受

2

输入（

num\u输入

），并产生

3

输出（

num\u类

）

它包括：

接受

2

输入并产生

5

输出的

线性

层

A

ReLU

接受

5

输入并产生

20

输出的

线性
层

A

ReLU

一种

线性

层，它接受

20

输入并产生

3

（

num_类

）输出

一个

退出

层

A

Softmax

层

创建由

2

输入组成的

v

，并在调用

net（v）

时通过此网络的

forward（）

方法传递。然后，运行该网络的结果（

3

outputs）存储在

out

中

---

在您的示例中，

x

具有

v

，

torch.FloatTensor（[[2,3]]）

虽然@JoshVarty提供了一个很好的答案，但我想补充一点

为什么这里需要超级函数

---

类

OurModule

继承

nn.Module

。超级函数意味着您要使用父级（

nn.Module

）函数，即

init

。您可以参考来查看父类在

init

函数中的具体操作。

Super是Pythons原生OO的一部分。它将允许多重继承，尽管这里没有用于此目的，但只允许从Pytorch进行单一继承