咨询PyTorch中_lstm_impl未指定的两个模板参数来源

你观察得很仔细！这个问题的核心是C++的函数模板参数自动推导特性，我来给你拆解清楚：

首先先把你提到的代码片段贴出来方便对照：

函数声明 #

template<
    template<typename,typename> class LayerT, 
    template<typename,typename> class BidirLayerT, 
    typename cell_params, 
    typename io_type
> 
std::tuple<io_type, Tensor, Tensor> _lstm_impl( 
    const io_type& input, 
    const std::vector<cell_params>& params, 
    const Tensor& hx, 
    const Tensor& cx, 
    int64_t num_layers, 
    double dropout_p, 
    bool train, 
    bool bidirectional
) { /* ... */ }

调用代码 #

auto results = _lstm_impl<FullLayer, FullBidirectionalLayer>(
    input, params, hx[0], hx[1], num_layers, dropout_p, train, bidirectional
);

为什么只传2个模板参数就可以？ #

这两个未显式指定的模板参数cell_params和io_type，是编译器通过函数实参自动推导出来的：

• io_type的推导：函数第一个形参是const io_type& input，调用时你传入了变量input，编译器会直接取input的实际类型，作为io_type的具体类型（比如在PyTorch里这里通常是Tensor或者对应的适配类型）。
• cell_params的推导：函数第二个形参是const std::vector<cell_params>& params，调用时传入的params是一个vector容器，编译器会从这个vector的元素类型，自动推导出cell_params的具体类型。

那为什么前两个模板参数LayerT和BidirLayerT必须显式指定？因为它们是模板模板参数（也就是template<typename,typename> class这种类型的参数）——这种参数代表的是一个"模板类"，而不是具体的类型，编译器没办法通过函数实参推导出你要用哪个模板类，所以必须手动指定FullLayer和FullBidirectionalLayer这两个具体的模板类。

简单来说，C++编译器会帮你"补全"那些能从函数参数里推断出来的模板参数，不用你一个个写全~

内容的提问来源于stack exchange，提问作者Zack