Pylint报错self.xxx is not callable但PyTorch自定义类代码可正常运行问题求解

Pylint属于静态类型检查工具，它无法推断普通字典self.architecture内部存储的值类型：你初始化字典时backbone对应默认值为None，Pylint默认按该初始值推断类型，认为取值是不可调用的None，因此抛出静态检查错误。你实际运行时已经给该键赋值了可调用的模型对象，所以不会触发运行时报错。

• 第一是代码可维护性风险：Pylint的报错本质是提前帮你排查「未正确赋值就调用」的问题，当前写法相当于放弃了该静态检查能力，后续如果不小心漏给architecture对应键赋值可调用对象，会直接触发运行时报错。
• 第二是PyTorch子模块注册风险：你用普通Python字典存储PyTorch模块时，这些子模块不会被自动注册到父类Module中，会引发一系列隐性问题：
  • 调用父模块的.to(device)、.train()/.eval()等方法时，字典内的子模块不会同步切换设备、切换训练/推理状态
  • 调用state_dict()保存模型权重时，字典内子模块的参数不会被写入权重文件，加载时也无法正常恢复参数

优先将普通字典替换为PyTorch官方提供的torch.nn.ModuleDict容器，该容器专门用于存储子模块，会自动完成子模块注册，上述所有问题都会被解决，同时Pylint也能识别到容器内存储的是可调用的Module类型，不再抛出报错。
修改后的代码示例如下：

import torch
class Net(torch.nn.Module):
    def __init__(self, backbone_model):
        super().__init__()
        # 替换普通dict为ModuleDict
        self.architecture = torch.nn.ModuleDict({
            "backbone": backbone_model,
            "bottleneck": None,
            "head": None
        })
    
    def forward(self, x):
        output = self.architecture['backbone'](x)
        # 剩余前向逻辑
        return output

如果architecture内需要同时存储非模块类型的配置值，建议将模块和非模块配置分开存储：模块统一放在ModuleDict中，非模块配置放在普通字典里即可。

注：你提供的示例代码中直接在类体下对self属性赋值属于语法错误，应该是编写示例时漏写了__init__初始化方法和super().__init__()调用，实际可运行的代码应该已经包含该部分逻辑。

内容的提问来源于stack exchange，提问作者ilovewt