pytorch学习的一些tips（10）

add_module：add_module(name, module)

作用：为当前的module添加子module

具有两个参数：

 pytorch不会自动给我们注册模块，我们需要根据传进来的参数对网络进行初始化，pytorch在注册模块的时候，会查看成员的类型，如果成员变量类型是Module的子类，那么pytorch就会注册这个模块，否则就不会。

在__init__中
conv_ls = []
        for i in range(hyperpm['nlayer']):
            conv = RoutingLayer(hyperpm)
            self.add_module('conv_%d' % i, conv)
            conv_ls.append(conv)
在forward中
        for conv in self.conv_ls:
            x = conv(x, src_trg_edges)

有一个替换操作：

self.convs=nn.ModuleList([RoutingLayer(hyperpm) for _ in range(hyperpm['nlayer'])])

---

python中for _ in range(10) 与 for i in range(10)：

for _ in range(n) 一般仅仅用于循环n次，不用设置变量，用 _ 指代临时变量，只在这个语句中使用一次。
在循环中两者的作用相似。

---

python-格式化字符串（%d %f %s ）

https://blog.csdn.net/yokii_/article/details/102811308

---

print(model)

当print（model）时，默认是按照def __init__(self,in_dim, out_dim, device)中的顺序打印的，而非是forward中的顺序。

---

  mode = ‘test’ if y is None else ‘train’

if y==None:
	mode='test'
else:
	mode='train'

上面两段代码等价

---

复现代码结果：

发现seed随机种子又不能用了，不能复现代码的结果，经过检查发现是在model中使用了negative_sampling，这个玩意儿不受seed的约束。

经过抽丝剥茧，我发现一个巨大的问题，不是negative_sampling不受seed的约束，而是我在写seed函数的时候，忘记在.py文件里面import random包了，但是更坑爹的是，他一直没有报错，一直运行良好，这是什么鬼东西啊！

import random

random.seed(seed) #为python设置随机种子

当导入这个包之后，就可以完美的复现代码结果啦。

我发现写代码就是发现一个问题，解决一个问题，周而复始。

---