一、背景知识

python中两个属相相关方法

result = obj.name 会调用builtin函数getattr(obj,’name’)查找对应属性，如果没有name属性则调用obj.__getattr__(‘name’)方法，再无则报错

obj.name = value 会调用builtin函数setattr(obj,’name’,value)设置对应属性，如果设置了__setattr__(‘name’,value)方法则优先调用此方法，而非直接将值存入__dict__并新建属性

二、nn.Module的__setattr__()方法逻辑

nn.Module中实现了__setattr__()方法，当再class的初始化__init__()中执行module.name=value时，会在其中判断value是否属于Parameters或者nn.Module对象，是则将之存储进入__dict__._parameters和__dict__._modules两个字典中；如果是其他对象诸如Variable、List、dict等等，则调用默认操作，将值直接存入__dict__中。

示例

nn.Module的新建Parameter属性，在._parameters中可以查询到，在.__dict__中没有，属于.__dict__._parameters中

import torch as t
import torch.nn as nn

module = nn.Module()
module.param = nn.Parameter(t.ones(2,2))

print(module._parameters)

"""
OrderedDict([('param', Parameter containing:
               1  1
               1  1
              [torch.FloatTensor of size 2x2])])
"""

print(module.__dict__)
"""
{'_backend': <torch.nn.backends.thnn.THNNFunctionBackend at 0x7f5dbcf8c160>,
 '_backward_hooks': OrderedDict(),
 '_buffers': OrderedDict(),
 '_forward_hooks': OrderedDict(),
 '_forward_pre_hooks': OrderedDict(),
 '_modules': OrderedDict(),
 '_parameters': OrderedDict([('param', Parameter containing:
                                          1  1
                                          1  1
                                         [torch.FloatTensor of size 2x2])]),
 'training': True}
"""

以通常List的格式传入的子Module直接从属于属于.__dict__，并未被_modules识别

submodule1 = nn.Linear(2,2)
submodule2 = nn.Linear(2,2)
module_list = [submodule1,submodule2]
module.submodules = module_list

print('_modules:',module_list)
# _modules: [Linear (2 -> 2), Linear (2 -> 2)]
print('__dict__[submodules]:',module.__dict__.get('submodules'))
# __dict__[submodules]: [Linear (2 -> 2), Linear (2 -> 2)]
print('__dict__[submodules]:',module.__dict__['submodules'])
# __dict__[submodules]: [Linear (2 -> 2), Linear (2 -> 2)]

以ModuleList格式传入的子Module可被._modules识别，而不直接从属于.__dict__

module_list = nn.ModuleList(module_list)
module.submodules = module_list

print(isinstance(module_list,nn.Module))
# True

print(module._modules)
"""
OrderedDict([('submodules', ModuleList (
  (0): Linear (2 -> 2)
  (1): Linear (2 -> 2)
))])
"""
print(module.__dict__.get('submodules'))
# None
print(module.__dict__['submodules'])
"""
---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-19-d4344afabcbf> in <module>()
----> 1 print(module.__dict__['submodules'])

KeyError: 'submodules'
"""

三、属性查询函数__getattr__相关特性

nn.Module的.__getattr__()方法会对__dict__._module、__dict__._parameters和__dict__._buffers这三个字典中的key进行查询。当nn.Module进行属性查询时，会先在__dict__进行查询(仅查询本级)，查询不到对应属性值时，就会调用.__getattr__()方法，再无结果就报错。

示例

对于__dict__中的属性.training，可以看到.__getattr__(‘training’)查询时就没有结果，

print(module.__dict__.get('submodules'))
# None

getattr(module,'training')
# True

module.training
# True


module.__getattr__('training')
"""
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
……
AttributeError: 'Module' object has no attribute 'training'
"""

 另外，我们可以看到.__getattr__可以查询到的结果如下，都是nn.Module自建的属性，

module.__getattr__
"""
<bound method Module.__getattr__ of Module (
  (submodules): ModuleList (
    (0): Linear (2 -> 2)
    (1): Linear (2 -> 2)
  )
)>
"""

对于普通的新建属性，其实和nn.Module自建的没什么不同，不同查询方式输出相似，

module.attr1 = 2
getattr(module,'attr1')
# 2

module.__getattr__('attr1')
"""
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
……
AttributeError: 'Module' object has no attribute 'attr1'
"""

对于nn.Module的特殊属性，可以看到，getattr和.__getattr__均可查到，这也是由于getattr一次查找无果后，调用.__getattr__的结果，

getattr(module,'param')
"""
Parameter containing:
 1  1
 1  1
[torch.FloatTensor of size 2x2]
"""

module.__getattr__('param')
"""
Parameter containing:
 1  1
 1  1
[torch.FloatTensor of size 2x2]
"""