pytorch 自定义层“不是模块子类”

Question

我是 PyTorch 的新手，在使用不同的工具包一段时间后尝试了一下。

我想了解如何编写自定义图层和函数。作为一个简单的测试，我写了这个：

class Testme(nn.Module):         ## it _is_ a sublcass of module ##
    def __init__(self):
        super(Testme, self).__init__()

    def forward(self, x):
        return x / t_.max(x)

这旨在使通过它的数据总和为 1。实际上没有用，只是在测试中。

然后我将其插入 PyTorch Playground 中的示例代码：

def make_layers(cfg, batch_norm=False):
    layers = []
    in_channels = 3
    for i, v in enumerate(cfg):
        if v == 'M':
            layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
        else:
            padding = v[1] if isinstance(v, tuple) else 1
            out_channels = v[0] if isinstance(v, tuple) else v
            conv2d = nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=padding)
            if batch_norm:
                layers += [conv2d, nn.BatchNorm2d(out_channels, affine=False), nn.ReLU()]
            else:
                layers += [conv2d, nn.ReLU()]
            layers += [Testme]                           # here <------------------
            in_channels = out_channels
    return nn.Sequential(*layers)

结果报错！

TypeError: model.Testme is not a Module subclass

也许这需要是一个函数而不是一个模块？也不清楚功能，模块之间的区别是什么。

例如，为什么 Function 需要 a backward()，即使它完全由标准 pytorch 原语构造而成，而 Module 不需要这个？

Answer 1

这是一个简单的。你几乎明白了，但你忘了实际创建你的新类 Testme 的一个实例。您需要这样做，即使创建特定类的实例不带任何参数（如 Testme）。但它比卷积层更容易忘记，您通常会向卷积层传递很多参数。

将您指示的行更改为以下内容，您的问题就解决了。

layers += [Testme()]