PyTorch中nn.Module子类属性式子模块赋值失效问题

你的问题并不是nn.Module的属性机制损坏，而是它重写的__setattr__方法为了管理子模块、参数和缓冲区，行为和普通Python类不同，导致你的@property setter没有按预期工作。

原因解释 #

nn.Module的__setattr__会根据赋值对象的类型和属性名做特殊处理：

• 当赋值的是nn.Module或Parameter实例时，若属性名不以下划线开头，会将其注册到模块的_modules或_parameters字典中，而非直接存入实例的__dict__；
• 若属性名以下划线开头，新版本PyTorch会直接存入__dict__，但旧版本可能仍会将其注册到_modules。

你的代码中，_submodule以下划线开头，在setter中执行self._submodule = new_submodule时，触发了nn.Module的__setattr__，导致赋值行为没有正确修改到你期望的属性存储位置，最终getter返回的还是旧值。

解决方案 #

有几种简单的方法可以解决这个问题：

方法1：直接操作实例的__dict__绕过__setattr__

修改setter方法，直接修改实例字典中的值，避免触发nn.Module的特殊处理：

@x.setter
def x(self, new_submodule):
    self.__dict__['_submodule'] = new_submodule

方法2：使用非下划线开头的属性名

将存储子模块的属性名改为普通名称（不带下划线前缀），让nn.Module正常管理子模块的注册与替换：

class MyModule(nn.Module):
    def __init__(self):
        super().__init__()
        self.submodule = nn.Linear(5, 5)

    @property
    def x(self):
        return self.submodule

    @x.setter
    def x(self, new_submodule):
        self.submodule = new_submodule

方法3：手动注册子模块（可选）

如果需要保留下划线前缀的属性名，可以在setter中手动调用register_module方法，确保子模块被正确更新：

@x.setter
def x(self, new_submodule):
    self.register_module('_submodule', new_submodule)

验证修改效果 #

无论使用哪种方法，重新运行代码后，赋值操作都会生效，输出会变为：

Initial module.x: Linear(in_features=5, out_features=5, bias=True)
After assignment attempt, module.x: Linear(in_features=5, out_features=2, bias=True)

内容的提问来源于stack exchange，提问作者user118967