partial in pytorch

在PyTorch中，`partial` 是一个来自 `functools` 模块的功能，它用于创建一个新函数的固定版本，该版本保留了原有函数的部分参数。这在你需要多次调用一个函数，但只想改变部分参数的情况下非常有用。`partial` 可以让你预先设置某些参数，这样在使用时就不必每次都输入相同的值。

例如，假设你有一个深度学习模型，训练过程中有多个可配置的超参数，如学习率、优化器类型等。你可以这样做：

from torch.optim import Adam
from functools import partial

# 原始函数
def train_model(model, optimizer, learning_rate, num_epochs):
    for epoch in range(num_epochs):
        model.train()
        optimizer = optimizer(model.parameters(), lr=learning_rate)
        # ... 训练代码 ...

# 使用partial创建固定版本
learning_rate = 0.001
optimizer_func = partial(Adam, lr=learning_rate)

train_model_custom = partial(train_model, optimizer_func, learning_rate, num_epochs=10)

在这个例子中，`train_model_custom` 就是一个新的函数，它默认使用 `learning_rate` 参数，并且在调用时仅需要传入 `num_epochs` 和可能的变化参数。