今日用ai写代码的时候发现自己对Pytorch中实例化模型和调用模型时传的参数没搞清楚,故记录一下,假设有以下代码:
import torch
import torch.nn as nn
from torchvision.models import mobilenet_v3_large
class FusionIQAModel(nn.Module):
def __init__(self, num_outputs=1):
super(FusionIQAModel, self).__init__()
self.mobilenet = mobilenet_v3_large(pretrained=True)
self.mobilenet.classifier[3] = nn.Linear(self.mobilenet.classifier[3].in_features, 1280)
# 新增一层来结合传统特征
self.fc1 = nn.Linear(1280 + 5, 512)
self.fc2 = nn.Linear(512, num_outputs)
self.relu = nn.ReLU()
def forward(self, x, traditional_features):
x = self.mobilenet.features(x)
x = self.mobilenet.avgpool(x)
x = torch.flatten(x, 1)
x = self.mobilenet.classifier[0](x)
x = self.mobilenet.classifier[1](x)
x = self.mobilenet.classifier[2](x)
x = self.mobilenet.classifier[3](x) # 1280维特征
# 结合传统特征
combined_features = torch.cat((x, traditional_features), dim=1) # 1285维特征
x = self.relu(self.fc1(combined_features))
x = self.fc2(x)
return x
# 实例化模型
model = FusionIQAModel(num_outputs=1)
# 生成一些示例数据
images = torch.randn(8, 3, 224, 224) # 假设有8张3通道224x224的图像
traditional_features = torch.randn(8, 5) # 假设每张图像有5个传统特征
# 调用模型,进行前向传播
outputs = model(images, traditional_features)
print(outputs)
我在实例化这个模型时用的是model = FusionIQAModel(num_outputs=1)
,此时传入的参数是__init__
方法中的参数,而我在调用这个模型是用的是outputs = model(images, traditional_features)
,此时传入的参数是forward
里的参数。
在PyTorch中,这个机制是通过__call__方法实现的。当你调用一个nn.Module的实例时,实际上是调用了它的__call__方法,而这个方法会自动调用你在子类中定义的forward方法。