python - 为什么在 Keras 子类化 API 中，永远不会调用 call 方法，而是通过调用此类的对象来传递输入？

Question

在使用 Keras 子类化 API 创建模型时，我们编写了一个自定义模型类并定义了一个名为 call(self, x) 的函数。 (主要是写前向传递)它需要一个输入。然而，这个方法永远不会被调用，而是将输入传递给 call ，它作为 model(images) 传递给此类的对象.

我们怎么能叫这个model当我们没有实现 Python 特殊方法时，对象和传递值，__call__在类里

class MyModel(Model):
  def __init__(self):
    super(MyModel, self).__init__()
    self.conv1 = Conv2D(32, 3, activation='relu')
    self.flatten = Flatten()
    self.d1 = Dense(128, activation='relu')
    self.d2 = Dense(10, activation='softmax')

  def call(self, x):
    x = self.conv1(x)
    x = self.flatten(x)
    x = self.d1(x)
    return self.d2(x)

# Create an instance of the model
model = MyModel()

使用 tf.GradientTape 训练模型:

@tf.function
def train_step(images, labels):
  with tf.GradientTape() as tape:
    predictions = model(images)
    loss = loss_object(labels, predictions)
  gradients = tape.gradient(loss, model.trainable_variables)
  optimizer.apply_gradients(zip(gradients, model.trainable_variables))

  train_loss(loss)
  train_accuracy(labels, predictions)

输入不应该像下面这样传递:

model = MyModel()
model.call(images)

Answer 1

其实__call__方法在 Layer 中实现类，由 Network 继承类，由 Model 继承类(class):

class Layer(module.Module):
    def __call__(self, inputs, *args, **kwargs):

class Network(base_layer.Layer):

class Model(network.Network):

所以 MyClass将继承这个 __call__方法。

附加信息:

所以实际上我们所做的是覆盖继承的 call方法，其中新增 call然后将从继承的 __call__ 调用方法方法。这就是为什么我们不需要做 model.call() .
所以当我们调用我们的模型实例时，它继承了 __call__方法会自动执行，调用我们自己的 call方法。