扩展nn.Module实现时@运算符的使用方法疑问

首先明确结论：此处的@不是装饰器语法，是Python 3.5+ 新增的矩阵乘法运算符，属于数值计算场景的专用语法支持。

核心原理 #

• Python从3.5版本开始通过PEP 465标准新增了@运算符，专门用于表示矩阵乘法操作，对应的类魔法方法为__matmul__()。任意自定义类只要实现了该方法，都可以使用@做自定义运算。
• PyTorch的Tensor类型已经原生实现了__matmul__方法，内部逻辑就是调用矩阵乘法计算，因此两个Tensor之间用@连接时，会自动执行矩阵乘法。

代码等价验证 #

你提供的代码中：

input_ @ self.weight

完全等价于以下两种写法：

# 通用高维矩阵乘法API
torch.matmul(input_, self.weight)
# 2维张量专属矩阵乘法API，此处两个张量都是2维，因此也适用
torch.mm(input_, self.weight)

结合你的代码参数验证：input_形状为(100, 5)，self.weight形状为(5, 2)，矩阵乘法输出形状为(100, 2)，叠加广播后的bias后结果符合断言要求。

和装饰器语法的区别 #

@的两种用法语法位置完全不同，Python解释器不会混淆：

• 作为装饰器使用时，@必须单独写在函数/类定义的上一行，后面紧跟装饰器对象
• 作为矩阵乘法运算符使用时，@写在两个运算对象中间，属于二元运算符

内容的提问来源于stack exchange，提问作者user785099