为什么keras使用"call“而不是__call__？

Question

我喜欢(layers)中的以下代码

class MyDenseLayer(tf.keras.layers.Layer):
  def __init__(self, num_outputs):
    super(MyDenseLayer, self).__init__()
    self.num_outputs = num_outputs

  def build(self, input_shape):
    self.kernel = self.add_variable("kernel",
                                shape=[int(input_shape[-1]),
                                       self.num_outputs])

  def call(self, input):
    return tf.matmul(input, self.kernel)

最后两行是call方法，但它不喜欢通常的python类方法调用带有两个下划线的。它们之间有什么区别吗？

Answer 1

以下答案是基于https://tf.wiki/zh/basic/models.html的。

基本上，在Python中，当您使用ClassA从类ClassA()调用实例时，它等同于ClassA.__call__()。因此，在这种情况下使用__call__()而不是call()似乎是合理的，对吧？

然而，我们使用call()的原因是，当tf.keras调用模型或层时，它有自己的内部操作，这些操作对于保持其内部结构至关重要。因此，它公开了用于客户重载的方法call()。__call()__调用call()以及一些内部操作，因此当我们重新加载从tf.keras.Model或tf.keras.Layer继承的call()时，我们可以调用自定义代码，同时保持tf.keras的内部结构。

例如，根据我的经验，如果您的输入是numpy数组而不是张量，那么如果您用call()编写客户代码，则不需要手动转换它，但是如果您覆盖__call__()，这将是一个问题，因为没有调用某些内部操作。