我是PyTorch的新手，在使用不同的工具包一段时间后尝试了 .
我想了解如何编程自定义图层和功能 . 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)
这是为了使通过它的数据总和为1.实际上没有用，只是在测试时 .
然后我将它插入PyTorch Playground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)
结果是错误！
TypeError: model.Testme is not a Module subclass
也许这需要是一个功能而不是一个模块？还不清楚功能，模块之间的区别 .
例如，为什么函数需要 backward() ，即使它完全由标准的pytorch原语构造，而模块不需要这个？
1 回答
这很简单 . 你几乎得到了它，但你忘了实际创建一个新类Testme的实例 . 您需要这样做，即使创建特定类的实例不接受任何参数（如Testme） . 但它比卷积层更容易忘记，你通常会传递很多参数 .
将您指示的行更改为以下内容，您的问题就解决了 .