为什么我们将 nn.Module 作为参数传递给神经网络的类定义？

Question

我想理解为什么当我们为像 GAN 这样的神经网络定义类时，我们将 torch.nn.Module 作为参数传递

import torch
import torch.nn as nn

class Generator(nn.Module):
    def __init__(self, input_size, hidden_size, output_size, f):
        super(Generator, self).__init__()
        self.map1 = nn.Linear(input_size, hidden_size)
        self.map2 = nn.Linear(hidden_size, hidden_size)
        self.map3 = nn.Linear(hidden_size, output_size)
        self.f = f

Answer 1

这条线

class Generator(nn.Module):

simple 表示该类Generator将继承该类nn.Module，它不是一个参数。

然而，dunder init方法：

def __init__(self, input_size, hidden_size, output_size, f):

有自我，这就是为什么你可以将其视为一个论点。

嗯，这是 Python 类实例self。吉多在他的博客中解释说，关于它应该保留还是应该消失，存在着一些争论why it has to stay。