python: __call__方法

python: __call__方法

可调用对象:
自定义的函数、内置函数和类都属于可调用对象，但凡是可以把一对括号() 应用到某个对象身上都可称之为可调用对象，判断对象是否为可调用对象可以用函数 callable。
类中的__call__方法:
__call__方法让类的实例的行为表现的像函数一样，允许一个类的实例像函数一样被调用。实质上说，这意味着 x() 与 x. __ call __ () 是相同的。注意 __ call __ 参数可变。这意味着你可以定义 __ call __ 为其他你想要的函数，无论有多少个参数。

class Entity:
'''调用实体来改变实体的位置。'''

def __init__(self, size, x, y):
    self.x, self.y = x, y
    self.size = size

def __call__(self, x, y):
    '''改变实体的位置'''
    self.x, self.y = x, y

e = Entity(1, 2, 3) // 创建实例
e(4, 5) //实例可以像函数那样执行，并传入x y值，修改对象的x y 

pytorch 在对图象进行transforms时就用到了__ call __ 方法， 这样对每一幅图象进行处理时就没必要每次都传入转化参数，只需要初始化实例一次即可。

class Rescale(object):
    """Rescale the image in a sample to a given size.

    Args:
        output_size (tuple or int): Desired output size. If tuple, output is
            matched to output_size. If int, smaller of image edges is matched
            to output_size keeping aspect ratio the same.
    """

    def __init__(self, output_size):
        assert isinstance(output_size, (int, tuple))
        self.output_size = output_size

    def __call__(self, sample):
        image, landmarks = sample['image'], sample['landmarks']

        h, w = image.shape[:2]
        if isinstance(self.output_size, int):
            if h > w:
                new_h, new_w = self.output_size * h / w, self.output_size
            else:
                new_h, new_w = self.output_size, self.output_size * w / h
        else:
            new_h, new_w = self.output_size

        new_h, new_w = int(new_h), int(new_w)

        img = transform.resize(image, (new_h, new_w))

        # h and w are swapped for landmarks because for images,
        # x and y axes are axis 1 and 0 respectively
        landmarks = landmarks * [new_w / w, new_h / h]

        return {'image': img, 'landmarks': landmarks}

只需要对每幅图像调用__ call __函数即可：

tsfm = Transform(params)
transformed_sample = tsfm(sample)