【Python 进阶2】抽象方法和实例调用方法

抽象方法和实例调用方法

对比表格：

特性	抽象方法 (forward)	实例调用方法 (call)
定义方式	@abc.abstractmethod 装饰器	特殊方法名 __call__
调用方式	不能直接调用，必须通过子类实现	可以直接调用对象：controller(attn, ...)
实现要求	必须由子类实现，否则无法实例化	可以在基类中实现，子类可以覆盖
主要功能	定义具体业务逻辑（如存储注意力）	处理通用流程（如计数、步骤控制）
代码位置	在子类中实现（如 AttentionStore）	在基类中实现（AttentionControl）
使用场景	需要子类提供不同实现时	需要统一接口时
错误处理	在类定义时检查	在运行时检查
代码复用	每个子类都需要实现	所有子类共享基类实现

以下面代码片段为例

class AttentionControl(abc.ABC):def step_callback(self, x_t):return x_tdef between_steps(self):return@propertydef num_uncond_att_layers(self):return [e-mail] forward(self, attn, is_cross: bool, place_in_unet: str):raise NotImplementedErrordef __call__(self, attn, is_cross: bool, place_in_unet: str):if self.cur_att_layer >= self.num_uncond_att_layers:h = attn.shape[0]attn[h // 2 :] = self.forward(attn[h // 2 :], is_cross, place_in_unet)self.cur_att_layer += 1if self.cur_att_layer == self.num_att_layers + self.num_uncond_att_layers:self.cur_att_layer = 0self.cur_step += 1self.between_steps()return attndef reset(self):self.cur_step = 0self.cur_att_layer = 0def __init__(self):self.cur_step = 0self.num_att_layers = -1self.cur_att_layer = 0

1. 抽象方法：

   • 是接口定义
   • 强制子类实现
   • 提供具体功能

2. 实例调用方法：

   • 是统一接口
   • 处理通用逻辑
   • 调用抽象方法

具体的调用差异

forward 和 __call__ 的区别和调用时机：

1. 基本区别：

# forward 是抽象方法，需要子类实现
@abc.abstractmethod
def forward(self, attn, is_cross: bool, place_in_unet: str):raise NotImplementedError# __call__ 是实例调用方法，可以直接调用对象
def __call__(self, attn, is_cross: bool, place_in_unet: str):# 调用 forward 并处理其他逻辑if self.cur_att_layer >= self.num_uncond_att_layers:h = attn.shape[0]attn[h // 2 :] = self.forward(attn[h // 2 :], is_cross, place_in_unet)# ... 其他逻辑

2. 调用时机：

__call__ 的调用：

controller = AttentionStore()
# 直接调用对象时会触发 __call__
result = controller(attn, is_cross=True, place_in_unet="down")

forward 的调用：

# forward 是在 __call__ 内部被调用的
# 不会直接调用 forward

3. 工作流程：

# 1. 当调用 controller(attn, ...) 时，会触发 __call__
# 2. __call__ 方法会：
#    - 检查条件
#    - 调用 forward
#    - 更新计数器
#    - 处理步骤间逻辑
# 3. forward 方法（由子类实现）处理具体的注意力计算

4. 实际应用示例：

# 在 AttentionStore 中
def forward(self, attn, is_cross: bool, place_in_unet: str):# 存储注意力值key = f"{place_in_unet}_{'cross' if is_cross else 'self'}"if attn.shape[1] <= 32**2:self.step_store[key].append(attn)return attn# 在 AttentionReplace 中
def forward(self, attn, is_cross: bool, place_in_unet: str):# 替换注意力值return torch.einsum("hpw,bwn->bhpn", attn_base, self.mapper)

5. 为什么这样设计：

a) 分离关注点：

• __call__ 处理通用逻辑（计数、步骤等）
• forward 处理具体实现（存储、替换等）

b) 提供统一接口：

• 所有控制器都可以像函数一样调用
• 内部实现可以不同

c) 代码复用：

• 通用逻辑在 __call__ 中实现一次
• 子类只需要实现 forward

6. 调用顺序：

# 1. 外部调用
controller(attn, is_cross=True, place_in_unet="down")# 2. 触发 __call__
def __call__(self, attn, is_cross: bool, place_in_unet: str):# 3. 条件检查if self.cur_att_layer >= self.num_uncond_att_layers:# 4. 调用 forwardattn[h // 2 :] = self.forward(attn[h // 2 :], is_cross, place_in_unet)# 5. 处理其他逻辑

这种设计的好处是：

1. 提供了清晰的接口
2. 分离了通用逻辑和具体实现
3. 方便代码复用和维护
4. 使代码结构更加清晰

所以，在这个例子中 forward 和 __call__ 的区别在于：

• __call__ 是外部接口，处理通用逻辑
• forward 是内部实现，处理具体功能
• 它们共同工作，提供了灵活且统一的接口