在python中函数和类都属于可调用对象_Python中把类的实例变成一个可调用对象(__call__)...

__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