TensorFlow tf.keras.Model子类化两种写法的差异解析

为什么第二种写法在super()中传入IdentityBlock和self，且不写**kwargs #

• super(IdentityBlock, self) 是Python 2时代的标准父类方法调用语法，不是TensorFlow专属写法。Python 3.2之后才支持无参super()，可以自动根据当前定义的类、实例上下文推导要调用的父类方法，单继承场景下两种写法调用父类初始化方法的效果完全一致。很多早期教程、需要兼容Python2的旧代码会保留显式传参的写法。
• 不写**kwargs的原因很直接：第二种写法直接给父类Model.__init__硬编码传了固定参数name=''，作者主动放弃了透传其他父类初始化参数的能力，自然不需要预留**kwargs接收外部传入的父类参数。

两种写法的核心差异 #

• 参数灵活性不同：第一种带**kwargs的写法是目前的官方推荐实践，实例化块时传入的、子类未显式定义的参数（比如name='res_block1'、trainable=False、dtype='float16'等tf.keras.Model原生支持的初始化参数），都会被透传给父类初始化逻辑，适配更多场景。第二种写法没有预留参数入口，实例化时如果传入name、trainable这类参数会直接抛出「意外关键字参数」的报错，灵活性很差。
• 默认命名逻辑不同：第一种写法如果实例化时不传name，父类Model会自动生成符合Keras命名规则的默认名称（通常是类名转蛇形加序号，比如identity_block_1），方便模型可视化、权重存取、层索引。第二种写法硬编码name=''，会导致块名称为空，堆叠多个同类型块时容易触发重名问题，在模型保存、结构打印时会出现异常，本质是早期开源代码里流传的不规范写法，不是刻意设计的逻辑。
• 语法兼容性不同：无参super()仅支持Python 3.2及以上版本，显式传入类和self的写法兼容Python2和全版本Python3，目前Python2早已停止维护，新代码统一用无参super()即可，更简洁不易出错。

二者的等价场景与原理 #

如果满足以下两个条件，两种写法的前向计算、反向传播逻辑完全等价：

1. 运行环境为Python 3.2+
2. 实例化IdentityBlock时不会传入name、trainable、dtype等任何父类Model支持的初始化参数

等价的核心原理很简单：
单继承场景下，无参super()拿到的父类初始化方法引用，和super(IdentityBlock, self)拿到的完全一致；两种写法定义的网络层、call方法内的前向计算逻辑完全相同，只要父类初始化流程正常执行完成，后续的张量计算、梯度传播逻辑不会有任何区别。

注：第二种写法里硬编码name=''属于历史遗留的不规范实现，生产环境写自定义层/模型时建议用第一种带**kwargs透传的写法，避免出现参数不兼容、命名冲突的问题。

内容的提问来源于stack exchange，提问作者DPM