PyTorch中a=torch.nn.BCELoss与a=torch.nn.BCELoss()的区别是什么
两类写法的核心差异
PyTorch 中torch.nn.BCELoss是类类型,不是普通函数,这是它和你自定义的my_func表现不同的根本原因。两种都是合法的Python赋值操作,所以都能赋值成功,本质区别如下:
a = torch.nn.BCELoss:把BCELoss类本身赋值给变量a,属于类引用赋值,没有做实例化操作,a和原始的torch.nn.BCELoss完全等价。b = torch.nn.BCELoss():调用BCELoss的构造方法生成类实例,赋值给b,b是已经初始化完成的损失函数对象。
自定义普通函数表现不同的原因
你定义的my_func是普通函数,不是类:
- 写
a2 = my_func是把函数本身作为可调用对象赋值,不需要传参,自然不会报错,逻辑和类引用赋值一致。 - 写
b2 = my_func()是直接触发函数执行,必须传入定义要求的m、n两个参数,否则就会抛出参数缺失错误。
调用a(x,y)报错的原因
调用a(x,y)本质是执行BCELoss(x,y),相当于把x、y两个张量传给了BCELoss的__init__构造方法,而不是损失计算逻辑。BCELoss的构造方法只接收weight、reduction这类可选配置参数,不接收输入张量和标签张量,构造方法内部做参数合法性校验时,会尝试判断传入参数的布尔值,而包含多个元素的PyTorch张量不支持直接转换为布尔值,就会抛出你看到的RuntimeError: Boolean value of Tensor with more than one value is ambiguous错误。
你调用的b(x,y)是触发已实例化损失对象的__call__方法,内部走前向计算逻辑,本身就要求传入输入、标签两个张量,所以可以正常运行。
如果要通过类引用a正常计算损失,正确写法为a()(x,y):先调用构造方法生成实例,再传入张量执行计算。
内容的提问来源于stack exchange,提问作者Katja
相关产品推荐
相关产品推荐

