多个参数值

Question

我试图用pysyft引用来转换这个传递它的代码。

就像这样：

class SyNet(sy.Module):
  def __init__(self,embedding_size, num_numerical_cols, output_size, layers, p ,torch_ref):
    super(SyNet, self ).__init__(  embedding_size, num_numerical_cols , output_size , layers , p=0.4  ,torch_ref=torch_ref  )
    self.all_embeddings=self.torch_ref.nn.ModuleList([nn.Embedding(ni, nf) for ni, nf in embedding_size])
    self.embedding_dropout=self.torch_ref.nn.Dropout(p)
    self.batch_norm_num=self.torch_ref.nn.BatchNorm1d(num_numerical_cols)

    all_layers= []
    num_categorical_cols = sum((nf for ni, nf in embedding_size))
    input_size = num_categorical_cols + num_numerical_cols

    for i in layers:
      all_layers.append(self.torch_ref.nn.Linear(input_size,i))
      all_layers.append(self.torch_ref.nn.ReLU(inplace=True))
      all_layers.append(self.torch_ref.nn.BatchNorm1d(i))
      all_layers.append(self.torch_ref.nn.Dropout(p))
      input_size = i

    all_layers.append(self.torch_ref.nn.Linear(layers[-1], output_size))

    self.layers = self.torch_ref.nn.Sequential(*all_layers)

  def forward(self, x_categorical, x_numerical):
    embeddings= []
    for i,e in enumerate(self.all_embeddings):
      embeddings.append(e(x_categorical[:,i]))

    x_numerical = self.batch_norm_num(x_numerical)
    x = self.torch_ref.cat([x, x_numerical], 1)
    x = self.layers(x)
    return x

但是当我试图创建模型的一个实例时

model = SyNet( categorical_embedding_sizes, numerical_data.shape[1], 2, [200,100,50], p=0.4 ,torch_ref= th)

我得到了一个TypeError

TypeError:参数'torch_ref'的多个值

我试图更改参数的顺序，但在位置参数方面出现了错误。你能帮我吗，我在课程和功能方面不是很有经验(oop)

提前谢谢你！

Answer 1

查看PySyft源代码 for Module。类父类的构造函数只接受一个参数：torch_ref。

因此，您应该使用以下方法调用超级构造函数：

super(SyNet, self).__init__(torch_ref=torch_ref) # line 3

从调用中删除除torch_ref以外的所有参数。