pytorch中的__init__()与super__init__()方法
在 PyTorch 或其他面向对象编程中，__init__ 和 super().__init__() 是用于初始化类的特殊方法。
__init__() 方法
定义：__init__ 是 Python 类的构造函数，用于初始化类的实例。在一个类被实例化时，__init__ 方法会自动被调用，负责设置对象的初始状态（如定义属性、初始化参数等）。
典型用法：
class MyClass:def __init__(self, param1, param2):self.param1 = param1self.param2 = param2作用：
- 初始化类实例的属性。
- 设置对象的初始状态。
super().__init__() 方法
定义: super() 是一个内置函数，用于调用父类（超类）的一个方法，通常用于调用父类的构造函数 __init__ 方法。这在类继承中非常重要，因为它确保了父类的初始化逻辑也会在子类中执行。
典型应用：
class Parent:def __init__(self, param1):self.param1 = param1class Child(Parent):def __init__(self, param1, param2):super().__init__(param1) # 调用父类的 __init__ 方法self.param2 = param2
作用：
- 在继承的子类中调用父类的初始化方法，确保父类的属性和行为能够被正确初始化。
- 允许在子类中扩展或修改父类的初始化逻辑，同时保留父类的基础功能。
__init__ 和 super().__init__() 的区别
-
用途不同:
__init__: 用于初始化当前类的实例，定义和设置类的属性。super().__init__(): 用于调用父类的__init__方法，确保父类的初始化逻辑在子类中被执行。
-
调用方式不同:
__init__是类的实例化过程中自动调用的，而super().__init__()需要在子类的__init__方法中显式调用。
-
继承关系:
__init__在每个类中都可以独立定义，而super().__init__()则是在继承的上下文中使用，以确保父类的初始化逻辑被执行。
注意：super().__init__() 通常出现在自定义的神经网络模型中，虽然没有传入任何父类，但是他默认继承nn.module()的初始化方法。
import torch.nn as nnclass MyModel(nn.Module):def __init__(self, input_size, hidden_size, output_size):super(MyModel, self).__init__() # 调用 nn.Module 的 __init__ 方法self.fc1 = nn.Linear(input_size, hidden_size)self.fc2 = nn.Linear(hidden_size, output_size)def forward(self, x):x = self.fc1(x)x = self.fc2(x)return x