getattr

getattr

• getattr(object, name[, default])
  • 객체의 속성 (attribute) 이름을 “문자열”로 받아서 그 속성을 가져오는 함수.
  • 만약 해당 속성이 없으면 default 값을 반환할 수 있음 (default 지정 안 하면 AttributeError).

한 줄 요약: 점(.) 연산자를 동적으로 쓰고 싶을 때 !

value = obj.attr     
value = getattr(obj, "attr")

Example 1: 속성

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

p = Person("Alice", 25)

# 직접 접근
print(p.name)   # "Alice"

# getattr 사용
print(getattr(p, "name"))   # "Alice"
print(getattr(p, "age"))    # 25

# 없는 속성 -> 기본값 반환
print(getattr(p, "height", "Not defined"))   # "Not defined"

Example 2: 메서드

class Calculator:
    def add(self, a, b):
        return a + b
    def mul(self, a, b):
        return a * b

c = Calculator()
method_name = "mul"
func = getattr(c, method_name)   # c.mul을 가져옴
print(func(3, 4))   # 12

Example 3: torch.optim

w/o getattr

import torch
import torch.nn as nn
import torch.optim as optim

model = nn.Linear(10, 1)

optimizer = optim.Adam(model.parameters(), lr=0.001)

w/ getattr

Optimizer 이름을 문자열로 저장해두고, getattr로 가져오기:

import torch
import torch.nn as nn
import torch.optim as optim

model = nn.Linear(10, 1)

# Optimizer 이름을 문자열로 지정
opt_name = "SGD"  # "Adam", "RMSprop" 등 가능

# getattr을 통해 optimizer class 가져오기
OptClass = getattr(optim, opt_name)

# optimizer 생성
optimizer = OptClass(model.parameters(), lr=0.01, momentum=0.9)

print(optimizer)

Example 4. Config 기반

실제로는 config(dict)나 argparse argument로 Optimizer를 선택할 때 많이 씀:

import torch
import torch.nn as nn
import torch.optim as optim

config = {
    "optimizer": "Adam",
    "lr": 0.001,
    "weight_decay": 1e-4
}

optim_custom = getattr(optim, config["optimizer"])
optimizer = optim_custom(model.parameters(), lr=config["lr"], weight_decay=config["weight_decay"])