1、module:

_modules 可以直接获取特定名称的子模块对象，但无法直接获取名称以及遍历所有子模块，所以需要递归，是一个字典，所以其好处就是可以直接用键值索引，坏处是无法直接迭代需要用items()，其中键是子模块的名称，值是对应的子模块对象。
_moudules.items()是迭代字典的基本用法，返回可迭代对象，基操如下：

for key, value in my_dict.items():print(key, value)

如果是：

for key in my_dict:print(key)

则迭代一个字典的键。

所以看下面这段代码：

for name, module in model._modules.items():if hasattr(module, "_modules"):.....

name: layer1 (key)
module: Sequential() (value)

2、

children() 方法返回一个迭代器，用于遍历模型的直接子模块。它只返回子模块的对象，不包含子模块的名称。
model.named_children() 返回一个迭代器，该迭代器依次生成由子模块名称和子模块对象组成的元组。
每个元组的结构是 (name, child)，其中 name 是子模块的名称，child 是子模块对象本身。

for name, child in model.named_children():

这和上面的效果是一样的。
而且：model._modules[name]和child是一样的

3、

modules(): 返回一个迭代器，提供模型及其所有子模块（包括子模块的子模块，这样就不用递归了）
named_modules(): 返回一个迭代器，提供模型及其所有子模块的名称和对象

4、

懂了上面之后我们可以写一个hook函数
Version1：用直接子模块迭代器

def add_IF_hook(model):for name, child in model.named_children():if isinstance(child, ScaledNeuron):child.register_forward_hook(save_spikes_number)else:add_IF_hook(child) # 需要递归children对应的是直接子模块

Version2：用属性_modules，items()转成迭代器

def add_IF_hook(model):for name, module in model._modules.items():if isinstance(module, ScaledNeuron):model._modules[name],register_forward_hook(save_spikes_number)#或者 module.register_forward_hook(save_spikes_number)else：add_IF_hook(module) #需要递归	

上面两个输出的形式是这样的：pipeline是先从layer1—sequential下去，然后到sequential里面找到ScaledNeuron：layer1.2

===> name: 2 child: ScaledNeuron(
(neuron): IFNode(
v_threshold=1.0, v_reset=None, detach_reset=False
(surrogate_function): Sigmoid(alpha=1.0, spiking=True)
)
)

Version3：用全部子模块，最简形式：

def add_IF_hook(model):for name, module in model.named_modules():if isinstance(module, ScaledNeuron):print(f"===> name: {name}  child: {module}")module.register_forward_hook(save_spikes_number)

最后输出的形式是这样的：

===> name: layer1.2 child: ScaledNeuron(
(neuron): IFNode(
v_threshold=1.0, v_reset=None, detach_reset=False
(surrogate_function): Sigmoid(alpha=1.0, spiking=True)
)
)
===> name: layer1.6 child: ScaledNeuron(
(neuron): IFNode(
v_threshold=1.0, v_reset=None, detach_reset=False
(surrogate_function): Sigmoid(alpha=1.0, spiking=True)
)
)