- 在使用pytorch时，并不是所有的操作都需要进行计算图的生成，只是想要网络结果的话就不需要后向传播 ，如果你想通过网络输出的结果去进一步优化网络的话 就需要后向传播了。
- 不使用with torch.no_grad():此时有grad_fn=属性，表示，计算的结果在一计算图当中，可以进行梯度反传等操作。
- 使用with torch.no_grad():表明当前计算不需要反向传播，使用之后，强制后边的内容不进行计算图的构建
- 示例如下：
- 此时的outputs没有 属性。
- 可以看到，此时有grad_fn=属性，表示，计算的结果在一计算图当中，可以进行梯度反传等操作。但是，两者计算的结果实际上是没有区别的。
本文转载自: https://blog.csdn.net/qq_42251157/article/details/124101436
版权归原作者 hazel爱吃肉 所有， 如有侵权，请联系我们删除。
版权归原作者 hazel爱吃肉 所有， 如有侵权，请联系我们删除。