开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第11天
本文首发于CSDN。
运行环境，报错信息和查找到的错误内容： Linux系统 Python 3.8（使用anaconda管理的虚拟环境） PyTorch 1.11+cudatoolkit 10.2（通过anaconda下载）
本问题出自使用PyTorch运行深度学习代码的情况下。
一般来说，是在定义Module时，没有在__init__()中提前使用super()代码正确继承父类的__init__()函数，导致出现标题所说的问题：AttributeError: cannot assign module before Module.__init__() call
这个错误信息的字面意思就是说，必须要先继承__init__()函数，才能进行后续的代码工作。
这个问题是出现在自定义PyTorch模型（torch.nn.Module）子类的运行过程中，在__init__()函数中报错。
我的错误原因是super(类名,self).__init__()忘写最后一个括号了。将括号加上后，就能正常运行了。
这个错误的原因就在于还没有调用Module.__init__()就开始定义子模型了，如self.classifier=nn.Linear(input_dim,output_dim)等。参考异常解决（二）-- AttributeError: cannot assign module before Module.__init__() call_奋斗の博客的博客-CSDN博客，也可能是因为直接没写super()命令而造成的。加上之后就可以正常运行。
super()函数是用于继承父类方法的。PyTorch模型类必须要先继承__init__()方法，之后才能进行后续的代码编写工作（如定义模型层、定义模型中的各项操作等）。否则就会报如标题所示的错误。
PyTorch模型（torch.nn.Module）中__init__()和forward()函数一般都是必须要存在的。前者是为了初始化模型层，在前者中配置到self上的模型层都会自动注册（register），也就是可以实现梯度下降等操作；后者是为了实现模型操作。
