TensorFlow自定义模型继承中super()两种写法的差异探究

这两种写法本质就是Python的新旧语法差异，具体区别如下：

• super().__init__()：这是Python 3引入的简化写法，不用显式指定当前类和self参数，解释器会自动根据上下文推断出当前类和实例对象，代码更简洁易读。
• super(ResNet, self).__init__()：这是Python 2的标准写法，必须显式传入当前类名和self实例，在Python 3中也能兼容，但写法相对繁琐。

你测试两种写法结果一致的原因很简单：

• 两种写法最终都是调用父类tf.keras.Model的__init__方法，初始化逻辑完全相同
• 你的ResNet属于单继承场景（只继承自tf.keras.Model），这种情况下两种写法的效果没有任何区别

只有在多继承的复杂场景下，两种写法才可能产生差异：Python 3的简化写法会遵循*MRO（方法解析顺序）*自动处理，而显式指定类名的写法可以手动指定从哪个父类开始查找方法，但这种场景在Keras自定义模型里很少碰到。

总结一下，在Python 3环境下，推荐用super().__init__()的简化写法，代码更简洁，而且完全兼容现有逻辑。

内容的提问来源于stack exchange，提问作者Arslan Gabdulkhakov