python的super和import以及记录的想法

2021-03-24

##很没劲，尝试写写点 python 代码（最近在学 MVS 多视角获取深度的部分，上学期前两个月真的没想过用神经网络搞，毕竟电脑配置不够使用，但好像 10 年后的方法大多都是神经网络，搞了两个月甚至还学了一些 slam 的知识，但后来看到 colmap 的时候，我觉得能做的大家都做完了，具体来说同时就是这些方法太要求数学功底，再加上我真的有点啃不动了，就放弃转到神经网络了，从 MVSnet 开始看，论文林林总总就只有那么多篇，感觉就是太寂寞没有参照和学习的方向，开题完后已经是彻底摸不清只想混个毕业的状态。这个学期终于定下决心学习 python，从头做起（至少当时觉得 mvsnet——pytorch 那写的好理解，再找其他的直接蒙。所以打算把它当成模板去改尝试构建一个网络，跑步跑得了我可管不了）

init: 类的初始化函数，类似于 c++的构造函数 call_: 使得类对象具有类似函数的功能。 每个类都有init方法.如果它没有明确定义一个,那么它将从其父类继承一个.在第二个示例中,该类从基础对象类继承init和一堆其他方法 class Dog: def init_instance(self,name): self.name = name print(‘My name is’,name) print(dir(Dog)) 结果显示了 Dog(dir 函数不带参数时，返回当前范围内的变量、方法和定义的类型列表；带参数时，返回参数的属性、方法列表。)

[‘class’, ‘delattr’, ‘dict’, ‘dir’, ‘doc’, ‘eq’, ‘format’, ‘ge’, ‘getattribute’, ‘gt’, ‘hash’, ‘init’, ‘init_subclass’, ‘le’, ‘lt’, ‘module’, ‘ne’, ‘new’, ‘reduce’, ‘reduce_ex’, ‘repr’, ‘setattr’, ‘sizeof’, ‘str’, ‘subclasshook’, ‘weakref’, ‘init_instance’]

pytorch 中经常有如下的形式出现 class Module(nn.Module): #class XX(XX)的形式表示是继承 def init(self): super(Module, self).init() # ……

data = ….. #输入数据 def forward(self, x): # …… return x

实例化一个对象

module = Module()

前向传播

module(data)

而不是使用下面的

module.forward(data)

forward 和 python 内置的call的区别 class A(): def call(self, param):

    print('i can called like a function')
    print('传入参数的类型是：{}   值为： {}'.format(type(param), param))

    res = self.forward(param)
    return res

def forward(self, input_):
    print('forward 函数被调用了')

    print('in  forward, 传入参数类型是：{}  值为: {}'.format( type(input_), input_))
    return input_

a = A()

input_param = a(‘i’) print(“对象 a 传入的参数是：”, input_param)

output: i can called like a function 传入参数的类型是：<class ‘str’> 值为： i forward 函数被调用了 in forward, 传入参数类型是：<class ‘str’> 值为: i 对象 a 传入的参数是： i