ECL中Python嵌入调用PyTorch类遇未定义错误的解决咨询

问题根源分析 #

1. 第一个错误name 'model_1' is not defined：
   核心原因是类的构造函数写法错误——Python类的构造函数必须是双下划线的__init__，你写成了单下划线的_init_，导致Python无法识别这是类的初始化方法，类实例化时会出现未定义的错误。

2. 第二个错误name 'torch' is not defined：
   大概率是ECL的PYEMBED环境未正确安装PyTorch，或者嵌入代码的作用域/缩进存在问题，导致导入的模块未被正确识别。

修复后的完整代码 #

f() := EMBED(PY)
import torch
import torch.nn as nn
import torch.optim as optim

class model_1(nn.Module):
    # 修正：使用双下划线的__init__作为构造函数
    def __init__(self):
        # 同步修正父类构造方法的调用
        super(model_1, self).__init__()
        input_size = torch.randint(10, 100, (1,)).item()
        hidden_size = torch.randint(10, 100, (1,)).item()
        output_size = torch.randint(2, 10, (1,)).item()
        self.layer1 = nn.Linear(input_size, hidden_size)
        self.activation = nn.ReLU()
        self.layer2 = nn.Linear(hidden_size, output_size)
        self.softmax = nn.Softmax(dim=1)
        
    def forward(self, x):
        x = self.layer1(x)
        x = self.activation(x)
        x = self.layer2(x)
        x = self.softmax(x)
        return x

# 实例化模型
model = model_1()

batch_size = 32
input_size = model.layer1.in_features
input_data = torch.randn(batch_size, input_size)

target = torch.randint(0, model.layer2.out_features, (batch_size,))

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)
num_epochs = 10

for epoch in range(num_epochs):
    output = model(input_data)
    loss = criterion(output, target)
    print(f'Epoch [{epoch+1}/{num_epochs}], Loss: {loss.item():.4f}')
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

ENDEMBED;
f();

额外注意事项 #

• 环境验证：确保ECL所使用的Python环境已安装PyTorch，可在对应环境中执行pip install torch torchvision torchaudio完成安装。
• 缩进规范：PYEMBED块内的Python代码严格遵循缩进规则，错误的缩进会导致作用域异常。
• 参数调试：如果需要稳定调试，建议将input_size等动态生成的参数改为固定值，避免每次运行模型结构不一致。

内容的提问来源于stack exchange，提问作者decoded051