自身类中调用super()的作用解析：以DuelCNN继承nn.Module为例

首先得明确：Python里的super()是用来调用方法解析顺序（MRO）链中当前类的前一个类的方法，核心是协助实现继承体系中的方法复用。

先纠正你举的第二个例子里的问题：你写的代码其实会报错，因为B并没有继承A，super(A, self)要求self（B的实例）必须是A的子类实例，否则会抛出TypeError。正确的写法应该是让B继承A：

class A:
    def __init__(self):
        self.x = 1
class B(A):
    def __init__(self):
        super(B, self).__init__()

这时super(B, self).__init__()才会调用父类A的__init__方法，让B的实例拥有x=1的属性。如果是Python 3+，还可以简化成super().__init__()，不需要显式传入类和实例参数，解释器会自动推导。

再看你提到的PyTorch示例：

class DuelCNN(nn.Module):
    def __init__(self, output_size: int):
        super(DuelCNN, self).__init__()

这里DuelCNN继承了PyTorch的nn.Module类，调用super(DuelCNN, self).__init__()的核心作用是触发父类nn.Module的初始化逻辑：

• 完成PyTorch模块的基础配置，比如注册所有可学习的参数（后续定义的卷积层、全连接层等）
• 初始化模块的默认设备（CPU/GPU）
• 设置模块的训练/评估模式标记
• 为后续的forward传播、参数优化、设备迁移等功能提供基础支持

简单说，这是PyTorch自定义模块的标准操作——如果不调用父类的__init__，你的DuelCNN模块无法正常工作，比如无法用.to()方法移动到GPU，也无法被优化器识别并更新参数。

内容的提问来源于stack exchange，提问作者tgmjack