PyTorch中为何普遍使用super(class, self).__init__()而非super().__init__()？

嘿，这个观察挺细致的！我来帮你理清这个问题：

首先先明确两种写法的本质区别：

• super().__init__()是Python 3.0+引入的简化语法，它会自动推断当前类和实例对象，不用手动传入参数，写起来更简洁。
• super(class, self).__init__()是Python 2时代的标准写法（Python 2里super必须传这两个参数），同时也兼容Python 3。

回到你关注的PyTorch场景，为什么很多论文代码不管Python版本都用旧写法？核心原因确实如你补充的那样，只有向后兼容性，没有PyTorch特有的实际原因，具体可以拆解成这几点：

• 「兼容旧环境」：虽然Python 2已经停止维护，但有些科研团队的运行环境、老项目依赖可能还停留在Python 2，或者需要同时支持Python 2和3的混合环境，统一用旧写法能避免在不同环境下出现语法错误。
• 「历史习惯延续」：很多早期PyTorch项目是在Python 2还流行时启动的，后续迭代时开发者保持了原有代码风格；还有不少开发者已经习惯了旧写法，觉得手动传参数更明确，没必要特意改成新语法。
• 「无PyTorch专属限制」：PyTorch对两种写法的支持完全一致，不管用哪种，调用父类__init__的逻辑、模型的功能和性能都不会有任何差异——这一点可以完全放心。

总结一下：你并没有多虑，这种写法的选择确实只是为了向后兼容，再加上代码习惯的延续，不存在PyTorch层面的特殊考量。

内容的提问来源于stack exchange，提问作者inkplay_