今天白天继续研究GCN的源码，又出现了被一个小问题折磨半天的情况。
torch_geometric中的
是一个继承torch.nn.Module的类。但是根据pytorch的风格，我们可以实例化一个)
，然后把这个实例化对象
像函数一样调用，例如 )
进行图卷积。问题来了，这个类在初始化的时候有个参数
，表示是否缓存这次计算好的规范化邻接矩阵，并且在下次计算的时候直接用缓存值而非重新计算。我一开始怎么也没想通，这个代码的逻辑。觉得每次计算好归规范化邻接矩阵之后虽然将值保留到
里了，但是随着一次卷积运算结束，调用完成后，函数自动释放，中的值无法保留到下一个函数里呀。
后来发现自己真的肤浅了，根本原因是没有搞懂这个类的实例化对象作为函数的方式。要是只是一个一般的函数，那么在这个函数中修改的局部变量自然无法在下次调用中使用。但是实际上是一个类的实例，并且这个类的实例在初始化后，便可以无数次调用。由于其没有释放内存，其私有变量即
在修改后是会保留到下次调用的时候的。这样实例化一个类作为模型中的一层，并且模型训练过程中不断修改层（也就是实例）中的参数的方式，是pytorch一个重要的特性。试想一下，如果模型中的一个层如果是一个普通的函数而非实例化的对象，那么函数在执行完后是无法对其参数进行更新的，除非有很多全局变脸（那样就乱了呀）。用类的__call__方法（pytorch的模型中是forward方法）将实例像函数一样调用，使得这个特殊的函数的运行在和模型一样的空间和时间下（这话是我自己的理解，不一定对），进而使得了函数中的变量（实例中的私有变量）可以保留上次模型对其做的改变。非常佩服，非常服气。说到底自己还是对于Python中万物皆对象的特性理解的不够深，对于类的__call__特征理解的不够深。这个方法真的有很多神奇的功能，比如装饰器等等。
第二件事是自己身体状态的事，真的让我震惊了。为了让一家人增加抵抗力，今天带一家人出门跑步，跑的很慢，龟速那种，配速大概9分钟一公里。跑完一家都很舒服，多巴胺和内啡肽分泌，也能明显感觉到大家都很开心。但是跑完后的1个小时后，我又出现了那种类似低血糖的感觉，即大脑非常疲惫，几乎无法思考，学什么都没有力气，一副缺氧奄奄一息的状态。这样的状态大概持续了两三个小时，我就纳闷了，平时我跑个5公里10公里出现这样的情况容易理解，这次这么龟速地跑4公里，身体应该完全能过承受得了这个运动量才对，怎么可能在多巴胺内啡肽退去后又这么累呢？后来我问我爸妈有没有同样出现过我那种困顿疲乏的状态，他们说：跑完步精神地很，怎么可能累吗？我直接黑人问号脸！！原来真的是我自己的问题，而不是运动量过大。很可能是我激素分泌的原因，对于多巴胺、内啡肽或者肾上腺素这几个激素浓度降低有更敏感的反应。具体什么原因还有待进一步实验，准备买个可穿戴血糖仪，先测试一下运动前后血糖的变化吧。
别人都是跑完步高效一整天，我是跑完步兴奋1小时，之后萎靡大半天。从效率角度上来讲，很亏呀！！！
