__call__
在Python中,函数其实是一个对象:
>>>f = abs
>>>f.__name__
'abs'
>>>f(-123)
由于 f 可以被调用,所以,f 被称为可调用对象。
所有的函数都是可调用对象。
一个类实例也可以变成一个可调用对象,只需要实现一个特殊方法call()。
我们把 Person 类变成一个可调用对象:
class Person(object):
def __init__(self, name, gender):
self.name = name
self.gender = gender
def __call__(self, friend):
print 'My name is %s...' % self.name
print 'My friend is %s...' % friend
现在可以对 Person 实例直接调用:
>>>p = Person('Bob', 'male')
>>>p('Tim')
My name is Bob...
My friend is Tim...
单看 p(‘Tim’) 你无法确定 p 是一个函数还是一个类实例,所以,在Python中,函数也是对象,对象和函数的区别并不显著。
任务
改进一下前面定义的斐波那契数列:
class Fib(object):
???
请加一个__call__方法,让调用更简单:
>>>f = Fib()
>>>print f(10)
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34]
可以把实例对象用类似函数的形式表示,进一步模糊了函数和对象之间的概念
class Fib(object):
def __init__(self):
pass
def __call__(self,num):
a,b = 0,1;
self.l=[]
for i in range (num):
self.l.append(a)
a,b= b,a+b
return self.l
def __str__(self):
return str(self.l)
__rept__=__str__
f = Fib()
print f(10)
# 以下内容为自己的一点想法
class VGGNet(fluid.dygraph.Layer):
'''
VGG网络
'''
def __init__(self):
super(VGGNet, self).__init__()
# 3:C, 64 核数,3 size,, 2 poolsize,2 步长 2: 连续卷积个数
self.convpool_1 = ConvPool(3, 64, 3, 2, 2, 2, act="relu")
self.convpool_2 = ConvPool(64, 128, 3, 2, 2, 2, act="relu")
self.convpool_3 = ConvPool(128, 256, 3, 2, 2, 3, act="relu")
self.convpool_4 = ConvPool(256, 512, 3, 2, 2, 3, act="relu")
self.convpool_5 = ConvPool(512, 512, 3, 2, 2, 3, act="relu")
self.pool_5_shape = 512 * 7 * 7
self.fc_1 = fluid.dygraph.Linear(self.pool_5_shape, 4096, act="relu")
self.fc_2 = fluid.dygraph.Linear(4096, 4096, act="relu")
self.fc_3 = fluid.dygraph.Linear(4096, 2, act="softmax")
def forward(self, inputs, label=None):
"""前向计算"""
out = self.convpool_1(inputs)
out = self.convpool_2(out)
out = self.convpool_3(out)
out = self.convpool_4(out)
out = self.convpool_5(out)
out = fluid.layers.reshape(out, shape=[-1, 512*7*7])
out = self.fc_1(out)
out = self.fc_2(out)
out = self.fc_3(out)
if label is not None:
acc = fluid.layers.accuracy(input=out, label=label)
return out, acc
else:
return out
vgg =VGGNet()
out , acc= vgg(image, label)
应该是一样的道理