我使用Python和Chainer创建了一个简单的逻辑回归模型，但对最终结果不太满意。因此，我想寻求一些帮助。有一个限制：我不希望用已有的功能替换已实现的功能。我知道Chainer中有几乎相同的损失函数，但我正在创建一个更复杂的模型，使用自定义的损失函数。代码在这里：
https://gist.github.com/kmjjacobs/62fc96ece695b47af8d667b060a64559
我希望模型代码尽可能简洁，但如你所见，call方法是损失方法的前向调用，我怀疑在训练循环中调用损失方法有更简洁的方法。我认为如果call方法输出预测结果，并有一个单独的损失方法来计算损失会更清晰。你对此有何看法？
我对转换函数也不是很确定。有没有更好的方法来实现相同的结果？
你对编写Chainer代码有任何评论或最佳实践吗？
提前感谢！
回答：
首先，你的主要问题是什么？是将损失函数和预测函数分开定义的最佳方式吗？
我看了你的代码，我认为init_scope在Link和Chain中的功能是不同的。你不能在Chain中使用它来注册可学习的参数来达到这个目的。（你当前的使用方式适用于Link，而不适用于Chain。）
-
init_scope在Link中用于注册参数，https://docs.chainer.org/en/stable/tutorial/function.html#links-that-wrap-functionshttps://github.com/chainer/chainer/blob/master/chainer/link.py#L197 -
init_scope在Chain中用于注册其他links，https://docs.chainer.org/en/stable/tutorial/basic.html#write-a-model-as-a-chainhttps://github.com/chainer/chainer/blob/master/chainer/link.py#L675
在你的情况下，我认为你可以直接在LogisticRegressionModel中使用chainer.links.Linear，或者你可以定义自己的Link类，其中包含可学习的参数W，并在LogisticRegressionModel中使用这个自定义的link类。
