pytorch中的__init__()与super__init__()方法

        在 PyTorch 或其他面向对象编程中，__init__ 和 super().__init__() 是用于初始化类的特殊方法。

__init__() 方法

定义：__init__ 是 Python 类的构造函数，用于初始化类的实例。在一个类被实例化时，__init__ 方法会自动被调用，负责设置对象的初始状态（如定义属性、初始化参数等）。

典型用法：

class MyClass:
    def __init__(self, param1, param2):
        self.param1 = param1
        self.param2 = param2

作用：

• 初始化类实例的属性。
• 设置对象的初始状态。

super().__init__() 方法

定义: super() 是一个内置函数，用于调用父类（超类）的一个方法，通常用于调用父类的构造函数 __init__ 方法。这在类继承中非常重要，因为它确保了父类的初始化逻辑也会在子类中执行。

典型应用：

class Parent:
    def __init__(self, param1):
        self.param1 = param1

class Child(Parent):
    def __init__(self, param1, param2):
        super().__init__(param1)  # 调用父类的 __init__ 方法
        self.param2 = param2

作用：

• 在继承的子类中调用父类的初始化方法，确保父类的属性和行为能够被正确初始化。
• 允许在子类中扩展或修改父类的初始化逻辑，同时保留父类的基础功能。

__init__ 和 super().__init__() 的区别

1. 用途不同:

   • __init__: 用于初始化当前类的实例，定义和设置类的属性。
   • super().__init__(): 用于调用父类的 __init__ 方法，确保父类的初始化逻辑在子类中被执行。

2. 调用方式不同:

   • __init__ 是类的实例化过程中自动调用的，而 super().__init__() 需要在子类的 __init__ 方法中显式调用。

3. 继承关系:

   • __init__ 在每个类中都可以独立定义，而 super().__init__() 则是在继承的上下文中使用，以确保父类的初始化逻辑被执行。

注意：super().__init__() 通常出现在自定义的神经网络模型中，虽然没有传入任何父类，但是他默认继承nn.module()的初始化方法。

import torch.nn as nn

class MyModel(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(MyModel, self).__init__()  # 调用 nn.Module 的 __init__ 方法
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.fc2 = nn.Linear(hidden_size, output_size)

    def forward(self, x):
        x = self.fc1(x)
        x = self.fc2(x)
        return x