Python Class

Basic knowledge:

1. Class VS Instance;

class Student(object):

    def __init__(self, name, score):
        self.__name = name
        self.__score = score
    def print_score(self):
        print(self.__name,self.__score)

2. variables

私有变量private，__name, 双下划线: 只能内部访问，不能外部访问。

_name，当为单下划线时， 这样的实例变量外部是可以访问的，但是，按照约定俗成的规定，当你看到这样的变量时，意思就是，“虽然我可以被访问，但是，请把我视为私有变量，不要随意访问”。

特殊变量， __name__,可以直接访问，一般为库变量，比如tf.__version__; 库函数也可以加双下划线，比如def __int__(self, param1, param2);

3. Class.functions

相比于普通的函数，类函数的第一个参数永远是self，即实例变量本身，并且调用时不用传递该参数，程序会自动添加传递。

4. self的仔细用法

• self代表类的实例，而非类。self.__class__则指向类。
• self 在函数定义时，不可以省略。因为程序会自动传递self参数，省略会导致参数报错。

5. 在pytorch的网络结构类中，一般是下面的结构，先init，下边super  然后定义网络结构  再接着forward函数，把数据传进去 计算

self(x)返回的是forward 函数的结果。

class VRAE(BaseEstimator, nn.Module):
   
    def __init__(self, sequence_length, number_of_features, hidden_size=90, hidden_layer_depth=2, latent_length=20,
                 batch_size=32, learning_rate=0.005, block='LSTM',
                 n_epochs=5, dropout_rate=0.):

        super(VRAE, self).__init__()

        self.dtype = torch.FloatTensor

        self.encoder = Encoder(number_of_features = number_of_features,
                               hidden_size=hidden_size,
                               hidden_layer_depth=hidden_layer_depth,
                               latent_length=latent_length,
                               dropout=dropout_rate,
                               block=block)

        self.lmbd = Lambda(hidden_size=hidden_size,
                           latent_length=latent_length)

        self.decoder = Decoder(sequence_length=sequence_length,
                               batch_size = batch_size,
                               hidden_size=hidden_size,
                               hidden_layer_depth=hidden_layer_depth,
                               latent_length=latent_length,
                               output_size=number_of_features,
                               block=block,
                               dtype=self.dtype)

        self.sequence_length = sequence_length
        self.hidden_size = hidden_size
        self.hidden_layer_depth = hidden_layer_depth
        self.latent_length = latent_length
        self.batch_size = batch_size

    def forward(self, x):
        cell_output = self.encoder(x)
        latent = self.lmbd(cell_output)
        x_decoded = self.decoder(latent)

        return x_decoded, latent