PyTorch 的自定义数据集 class 是否应该继承自 torch.utils.data.Dataset - 为什么两者都有效？

Question

我在研究PyTorch的Datasetclass。据我所知，每次我们创建自己的 CustomDataset class 时，我们都需要从 torch.utils.data.Dataset 继承；此外，我们需要根据需要覆盖 __len__ 和 __getitem__ 方法。

但是，我了解到并不总是需要继承，我们可以继续使用 __len__ 和 __getitem__ 创建我们的 CustomDataset class没有继承自 torch.utils.data.Dataset 的方法，即便如此，自定义数据集实例的行为仍然几乎相同（我自己测试过）。

也就是说，len(cust_data) 会 return 我们在创建 cust_data 实例时传递的数据集的长度，我们甚至可以索引 cust_data像 cust_data[0] 并且它会 return return 在我们的 CustomDataset class.

中由 __getitem__ 方法编辑的内容

我的问题是-

1. 当我们不继承也一样好时，继承的必要性是什么？如果不是，那么如果我们不继承，我们会错过什么功能？什么时候推荐继承，什么时候不推荐？ （虽然官方文档建议继承，总是）

2. 不继承的时候，实例是怎么知道索引时需要调用__getitem__方法的？

感谢任何答案。

Answer 1

1. 看看 torch.utils.data.Dataset 的 source code - 它是一个抽象 class，保证每个 class 继承它 必须实施__getitem__。换句话说，您“不需要”继承 Dataset：只要正确实施 __getitem__，您的数据集 class 就可以正常工作。这样做已成为普遍做法的原因是，它向 third-party（例如，使用您的数据集 class 的其他一些代码，其他阅读您的代码的代码）表明 class 在问题已 __getitem__ 实施。它为 PyTorch 数据集提供了一个通用的接口。

2. 执行someClass[i]会自动调用带有参数i的someClass.__getitem__（如果__getitem__没有执行会抛出错误）。这是一个 Python built-in 特性，与您继承的 class 基础无关。您可以Google“双下划线”来了解有关这些特殊行为的更多信息。