Python如何根据类初始化参数在同一类中执行不同分支逻辑

• 分支判断逻辑写在了__init__方法外部，类定义阶段执行时self还未实例化，会直接报错
• 字符串转小写调用的是lower()方法，你写的tolower是不存在的属性，且缺少方法调用的括号

Python没有原生支持Java式的静态方法重载，但可以通过分支路由、策略模式两种方式在同一个类中兼容两种框架的逻辑，实现同等效果。

基础修正版（最易上手） #

把不同框架的逻辑拆分为独立私有方法，根据初始化传入的mode路由到对应逻辑：

class vgg_16_cnn:
    def __init__(self, mode):
        self.mode = mode.lower()
        # 根据模式调用对应初始化逻辑
        if self.mode == "tensorflow":
            self._init_tensorflow()
        elif self.mode == "pytorch":
            self._init_pytorch()
        else:
            raise ValueError(f"不支持的模式{mode}，仅支持tensorflow/pytorch")
    
    def _init_tensorflow(self):
        # Tensorflow版本VGG16初始化逻辑
        print("初始化Tensorflow版本VGG16")
    
    def _init_pytorch(self):
        # Pytorch版本VGG16初始化逻辑
        print("初始化Pytorch版本VGG16")

    # 其他公共方法同样按照mode路由，模拟重载效果
    def forward(self, x):
        if self.mode == "tensorflow":
            return self._forward_tensorflow(x)
        elif self.mode == "pytorch":
            return self._forward_pytorch(x)
    
    def _forward_tensorflow(self, x):
        # Tensorflow版本前向传播逻辑
        pass
    
    def _forward_pytorch(self, x):
        # Pytorch版本前向传播逻辑
        pass

# 调用示例
mode_init = input("What mode are you processing the data: ").strip()
machine_learning_alg = vgg_16_cnn(mode=mode_init)

可扩展优化版（策略模式） #

如果后续需要新增更多框架支持，可把不同框架的实现封装为独立的策略类，主类无需修改原有逻辑，仅需挂载对应策略即可：

class TensorflowVGG16Impl:
    def __init__(self):
        print("Tensorflow实现初始化")
    def forward(self, x):
        print("Tensorflow前向传播")

class PytorchVGG16Impl:
    def __init__(self):
        print("Pytorch实现初始化")
    def forward(self, x):
        print("Pytorch前向传播")

class vgg_16_cnn:
    def __init__(self, mode):
        mode = mode.lower()
        strategy_map = {
            "tensorflow": TensorflowVGG16Impl,
            "pytorch": PytorchVGG16Impl
        }
        if mode not in strategy_map:
            raise ValueError(f"不支持的模式{mode}")
        self.impl = strategy_map[mode]()
    
    # 所有公共方法直接转发给对应策略实现
    def forward(self, x):
        return self.impl.forward(x)

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