我想了解为什么在定义像GAN这样的神经网络类时，我们要将torch.nn.Module作为参数传递。

import torchimport torch.nn as nnclass Generator(nn.Module):    def __init__(self, input_size, hidden_size, output_size, f):        super(Generator, self).__init__()        self.map1 = nn.Linear(input_size, hidden_size)        self.map2 = nn.Linear(hidden_size, hidden_size)        self.map3 = nn.Linear(hidden_size, output_size)        self.f = f

回答：

这一行

class Generator(nn.Module):

简单来说，意味着Generator类将继承nn.Module类，这不是一个参数。

然而，特殊的__init__方法：

def __init__(self, input_size, hidden_size, output_size, f):

包含了self，这可能使你认为它是一个参数。

但这实际上是Python类实例的self。关于self是否应该保留曾有过争论，但Guido在他的博客中解释了为什么它必须保留，见这里。