PyTorch数字分类代码报错NotImplementedError：CNN模块缺失forward函数

问题原因 #

你自定义的CNN类继承了torch.nn.Module，但没有实现必须的forward方法——这个方法是PyTorch模型的核心，定义了数据通过模型的前向传播逻辑，没有它模型无法运行。

解决步骤 #

1. 找到你的CNN类定义代码，确保它包含forward方法。以下是一个适用于数字分类（比如MNIST）的基础CNN类示例：

import torch.nn as nn
import torch.nn.functional as F

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        # 定义卷积层、池化层、全连接层
        self.conv1 = nn.Conv2d(1, 32, kernel_size=3, stride=1, padding=1)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1)
        self.fc1 = nn.Linear(64 * 7 * 7, 128)  # 适配28x28的MNIST输入图像
        self.fc2 = nn.Linear(128, 10)  # 对应10个数字分类类别

    def forward(self, x):
        # 定义前向传播逻辑
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 64 * 7 * 7)  # 将特征图展平为一维张量
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x

2. 确认你实例化模型时使用的是这个完整的CNN类：

model = CNN().to(device)

3. 重新运行训练代码，此时模型可正常执行前向传播，不会再触发该报错。

注意事项 #

• 所有继承自nn.Module的自定义模型类，必须实现forward方法，这是PyTorch的强制要求。
• 若你是跟随教程编写代码，检查是否漏抄了forward方法的代码，或是类定义存在语法错误导致方法未被正确识别。

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