Python中super(LR, self)语法疑问：为何看似类自继承？

首先纠正你的误解：这段代码里的LR类并没有继承自自身，它的父类是PyTorch框架中的nn.Module（代码里写成了小写的nn.module是笔误，正确写法是大写开头的Module）。

接下来解释super(LR, self).__init__()的工作原理：

• 在Python面向对象编程中，super()函数用于调用父类的方法。这里super(LR, self)会返回LR类父类（也就是nn.Module）的代理对象，调用它的__init__()方法，目的是让父类的初始化逻辑也能被执行。
• 对于PyTorch的神经网络模块来说，这一步是必须的：nn.Module内部会完成参数注册、子模块管理等核心初始化工作，如果不调用父类的__init__()，你的LR类就无法正常作为PyTorch模型使用，后续的训练、参数优化等操作都会出问题。

用一个简单的Python原生OOP例子辅助理解：

class Parent:
    def __init__(self):
        print("执行父类初始化逻辑")

class Child(Parent):
    def __init__(self):
        super(Child, self).__init__()  # 调用父类的初始化方法
        print("执行子类初始化逻辑")

c = Child()
# 输出顺序：
# 执行父类初始化逻辑
# 执行子类初始化逻辑

回到你的PyTorch代码，super(LR, self).__init__()就是触发nn.Module的初始化流程，这样你定义的self.linear这个线性层才能被PyTorch正确识别和管理。

额外补充：在Python 3及以上版本中，super()可以简化为无参数写法super().__init__()，效果和super(LR, self).__init__()完全一致，所以你的代码也可以改成更简洁的版本：

def __init__(self, in_size, out_size):
    super().__init__()
    self.linear = nn.Linear(in_size, out_size)

内容的提问来源于stack exchange，提问作者programmer_04_03