今天白天繼續(xù)研究GCN的源碼，又出現(xiàn)了被一個小問題折磨半天的情況。

GCN正則化部分源碼

torch_geometric中的是一個繼承torch.nn.Module的類。但是根據(jù)pytorch的風格，我們可以實例化一個，然后把這個實例化對象像函數(shù)一樣調(diào)用，例如?進行圖卷積。問題來了，這個類在初始化的時候有個參數(shù)，表示是否緩存這次計算好的規(guī)范化鄰接矩陣，并且在下次計算的時候直接用緩存值而非重新計算。我一開始怎么也沒想通，這個代碼的邏輯。覺得每次計算好歸規(guī)范化鄰接矩陣之后雖然將值保留到里了，但是隨著一次卷積運算結(jié)束，調(diào)用完成后，函數(shù)自動釋放，中的值無法保留到下一個函數(shù)里呀。

后來發(fā)現(xiàn)自己真的膚淺了，根本原因是沒有搞懂這個類的實例化對象作為函數(shù)的方式。要是只是一個一般的函數(shù)，那么在這個函數(shù)中修改的局部變量自然無法在下次調(diào)用中使用。但是實際上是一個類的實例，并且這個類的實例在初始化后，便可以無數(shù)次調(diào)用。由于其沒有釋放內(nèi)存，其私有變量即在修改后是會保留到下次調(diào)用的時候的。這樣實例化一個類作為模型中的一層，并且模型訓練過程中不斷修改層（也就是實例）中的參數(shù)的方式，是pytorch一個重要的特性。試想一下，如果模型中的一個層如果是一個普通的函數(shù)而非實例化的對象，那么函數(shù)在執(zhí)行完后是無法對其參數(shù)進行更新的，除非有很多全局變臉（那樣就亂了呀）。用類的__call__方法（pytorch的模型中是forward方法）將實例像函數(shù)一樣調(diào)用，使得這個特殊的函數(shù)的運行在和模型一樣的空間和時間下（這話是我自己的理解，不一定對），進而使得了函數(shù)中的變量（實例中的私有變量）可以保留上次模型對其做的改變。非常佩服，非常服氣。說到底自己還是對于Python中萬物皆對象的特性理解的不夠深，對于類的__call__特征理解的不夠深。這個方法真的有很多神奇的功能，比如裝飾器等等。

第二件事是自己身體狀態(tài)的事，真的讓我震驚了。為了讓一家人增加抵抗力，今天帶一家人出門跑步，跑的很慢，龜速那種，配速大概9分鐘一公里。跑完一家都很舒服，多巴胺和內(nèi)啡肽分泌，也能明顯感覺到大家都很開心。但是跑完后的1個小時后，我又出現(xiàn)了那種類似低血糖的感覺，即大腦非常疲憊，幾乎無法思考，學什么都沒有力氣，一副缺氧奄奄一息的狀態(tài)。這樣的狀態(tài)大概持續(xù)了兩三個小時，我就納悶了，平時我跑個5公里10公里出現(xiàn)這樣的情況容易理解，這次這么龜速地跑4公里，身體應該完全能過承受得了這個運動量才對，怎么可能在多巴胺內(nèi)啡肽退去后又這么累呢？后來我問我爸媽有沒有同樣出現(xiàn)過我那種困頓疲乏的狀態(tài)，他們說：跑完步精神地很，怎么可能累嗎？我直接黑人問號臉??！原來真的是我自己的問題，而不是運動量過大。很可能是我激素分泌的原因，對于多巴胺、內(nèi)啡肽或者腎上腺素這幾個激素濃度降低有更敏感的反應。具體什么原因還有待進一步實驗，準備買個可穿戴血糖儀，先測試一下運動前后血糖的變化吧。

別人都是跑完步高效一整天，我是跑完步興奮1小時，之后萎靡大半天。從效率角度上來講，很虧呀?。。?/p>