Anomaly-Transformer中__dict__.update及自定义参数传递问题

问题1：__dict__.update的含义 #

先看你提供的代码：

class Solver(object):
    DEFAULTS = {}

    def __init__(self, config):
        self.__dict__.update(Solver.DEFAULTS, **config)

这段代码的作用是快速给Solver实例批量设置属性，具体拆解：

• self.__dict__：Python中每个对象都自带一个__dict__字典，专门存储该实例的所有属性与对应值。
• update(Solver.DEFAULTS, **config)：
  1. 先把Solver.DEFAULTS里的默认配置键值对添加到实例的__dict__中；
  2. 再通过**config解包传入的config字典，用其中的键值对覆盖或新增实例属性（如果config和DEFAULTS有重复键，config的值会优先覆盖默认值）。

这种写法能避免逐个手动赋值self.lr = config['lr']这类重复代码，高效完成实例属性的初始化。

问题2：解决Jupyter Notebook中传入字典的报错 #

报错原因 #

你传入的config是普通Python字典，但vars()函数要求参数必须是拥有__dict__属性的对象（比如argparse生成的Namespace实例），因此会抛出TypeError: vars() argument must have dict attribute。

两种解决方法 #

方法1：直接适配字典参数修改main函数

因为Solver的__init__本来就支持接收字典，所以可以直接去掉vars()，同时调整字典的取值方式：

1. 先给你的config字典补上mode键（原代码需要判断该字段）：

config = {
    "lr": 1e-4, 
    "num_epochs": 2, 
    "win_size":20,
    "input_c":6, 
    "output_c":6,
    "batch_size":8,
    "anormly_ratio":4.00,
    "mode": "train"  # 新增mode字段，可选'train'或'test'
}

2. 修改main函数：

def main(config):
    solver = Solver(config)  # 直接传入字典，去掉vars()
    if config['mode'] == 'train':  # 字典用[]取值，代替原有的.属性访问
        solver.train()
    elif config['mode'] == 'test':
        solver.test()
    return solver

方法2：将字典转换为Namespace对象

如果不想修改main函数里的属性访问方式（依然想用config.mode），可以把字典转成argparse.Namespace实例：

from argparse import Namespace

# 先给字典加mode字段
config_dict = {
    "lr": 1e-4, 
    "num_epochs": 2, 
    "win_size":20,
    "input_c":6, 
    "output_c":6,
    "batch_size":8,
    "anormly_ratio":4.00,
    "mode": "train"
}
# 转换为Namespace对象
config = Namespace(**config_dict)
# 直接调用main
main(config)

这样vars(config)会正常返回字典，config.mode也能正常访问，完全兼容原main函数的逻辑。

内容的提问来源于stack exchange，提问作者Sar99