为什么我们在 PyTorch 中不直接调用 model.forward()？

Why Don't We Invoke model.forward() in PyTorch?

在 PyTorch 中，前向传播是在 forward() 方法中实现的，如下所示：

这里你有没有想过，当我们想要运行前向传播时，却很少直接去调用这个 forward() 方法：

相反，我们总是像调用函数一样去调用 model（一个类对象），如下所示：

我们也可以验证 model 确实是一个类对象：

一个类对象怎么能像函数一样被调用呢？我们到底漏掉了什么？让我们来弄明白！

假设我们想求下面这个二次式的值：f(x) = ax² + bx + c

一种做法是定义一个方法，接收输入并返回该二次式的值，如下所示：

当然，这种做法没有任何问题。

但在 Python 中还有一种更聪明、更优雅的做法。我们不必显式地调用某个方法，而是定义 call 这个魔术方法（magic method）。

这个魔术方法允许你定义类对象在被当作函数调用时（比如像这样：obj())的行为。我们把 value 方法重命名为 call。

这样一来，我们就可以直接调用类对象，而不必显式调用某个方法了。这会带来很多好处。例如：

• 它让我们能够以灵活且直观的方式去实现并使用对象。
• 它允许我们在期望可调用对象的场景中使用一个类对象——比如把类对象当作装饰器来用。

在 Python 中，可调用对象（callable）是指任何可以使用括号来调用、并可能返回值的对象。例如，函数就是一个可调用对象（可以被调用/执行的对象）。

我们用 PyTorch 构建深度学习模型时，发生的就是这件事。例如，再来看一下这个 PyTorch 类：

你可能已经猜到了，model 对象之所以可以被调用，是因为所有 PyTorch 的类都隐式地自行声明了 call 方法。而在那个 call 方法内部，它们会调用用户自定义的前向传播。

下面是它的一个简化版本：

• PyTorch 自身添加了 call 方法。
• call 方法会去调用用户自定义的 forward() 方法。

这样一来，Python 就知道这个 model 对象可以像函数一样被调用——model()。

事实上，我们可以验证：无论用哪种方式运行前向传播，得到的输出都是相同的：

这三种方式返回的输出完全相同。