禁用梯度追踪

尽管Autograd自动追踪操作并计算梯度的能力对模型训练不可或缺，但在某些情况下，这种追踪是不必要甚至不希望的。具体来说，在模型评估（推理 (inference)）期间，或者当你执行不应影响梯度计算的操作时，追踪历史会消耗内存和计算资源，而没有任何益处。PyTorch提供了选择性禁用梯度追踪的方法。

为什么要禁用梯度追踪？

1. 模型评估（推理 (inference)）： 当你使用训练好的模型对新数据进行预测时，你不会更新其权重 (weight)。在此阶段计算梯度没有意义。禁用梯度追踪可以显著减少内存使用（因为无需存储计算图），并加快前向传播的速度。
2. 冻结模型参数 (parameter)： 在微调 (fine-tuning)期间，你可能希望冻结预训练 (pre-training)模型的一部分（例如，早期的卷积层），而只训练后面的层。你需要告知PyTorch不要为这些冻结的参数计算或存储梯度。
3. 内存效率： Autograd存储的计算图会消耗大量内存，特别是对于复杂的模型或长序列。在不需要时关闭追踪可以避免这种额外开销。

使用 torch.no_grad() 上下文 (context)管理器

禁用代码块梯度追踪最常用且推荐的方式是使用 torch.no_grad() 上下文管理器。在此 with 块内执行的任何PyTorch操作都会表现得如同所有输入张量都不需要梯度，即使它们最初设置了 requires_grad=True。

import torch

# 示例张量
x = torch.randn(2, 2, requires_grad=True)
w = torch.randn(2, 2, requires_grad=True)
b = torch.randn(2, 2, requires_grad=True)

# 在no_grad上下文之外的操作
y = x * w + b
print(f"y.requires_grad: {y.requires_grad}") # 输出：y.requires_grad: True
print(f"y.grad_fn: {y.grad_fn}")           # 输出：y.grad_fn: <AddBackward0 object at ...>

# 在no_grad上下文内执行操作
print("\n进入torch.no_grad()上下文：")
with torch.no_grad():
    z = x * w + b
    print(f"  z.requires_grad: {z.requires_grad}") # 输出：z.requires_grad: False
    print(f"  z.grad_fn: {z.grad_fn}")           # 输出：z.grad_fn: None

    # 即使输入需要梯度，输出也不会
    k = x * 5
    print(f"  k.requires_grad: {k.requires_grad}") # 输出：k.requires_grad: False

# 在上下文之外，如果输入需要梯度，追踪会恢复
print("\n退出torch.no_grad()上下文：")
p = x * w
print(f"p.requires_grad: {p.requires_grad}") # 输出：p.requires_grad: True
print(f"p.grad_fn: {p.grad_fn}")           # 输出：p.grad_fn: <MulBackward0 object at ...>

如示例所示，with torch.no_grad(): 块内的操作会产生 requires_grad=False 且没有关联 grad_fn 的输出（z、k），这表明它们已脱离计算图历史。这正是你在评估循环中想要的结果：

# 评估循环片段
model.eval() # 将模型设置为评估模式（对dropout、batchnorm等层很重要）
total_loss = 0
correct_predictions = 0

with torch.no_grad(): # 禁用评估期间的梯度计算
    for inputs, labels in validation_dataloader:
        inputs, labels = inputs.to(device), labels.to(device) # 将数据移动到相应的设备

        outputs = model(inputs) # 前向传播
        loss = criterion(outputs, labels) # 计算损失

        total_loss += loss.item()
        _, predicted = torch.max(outputs.data, 1)
        correct_predictions += (predicted == labels).sum().item()

# 计算平均损失和准确率...

使用 .detach() 方法

另一种阻止特定张量进行梯度追踪的方法是使用 .detach() 方法。此方法会创建一个新张量，它与原始张量共享底层数据存储，但明确地脱离了当前计算图。它将拥有 requires_grad=False。

import torch

# 需要梯度的原始张量
a = torch.randn(3, 3, requires_grad=True)
b = a * 2
print(f"b.requires_grad: {b.requires_grad}") # 输出：b.requires_grad: True
print(f"b.grad_fn: {b.grad_fn}")           # 输出：b.grad_fn: <MulBackward0 object at ...>

# 分离张量 'b'
c = b.detach()
print(f"\n分离b以创建c后：")
print(f"c.requires_grad: {c.requires_grad}") # 输出：c.requires_grad: False
print(f"c.grad_fn: {c.grad_fn}")           # 输出：c.grad_fn: None

# 重要的是，原始张量 'b' 未改变
print(f"\n原始张量 b 仍保持连接：")
print(f"b.requires_grad: {b.requires_grad}") # 输出：b.requires_grad: True
print(f"b.grad_fn: {b.grad_fn}")           # 输出：b.grad_fn: <MulBackward0 object at ...>

# 使用分离张量 'c' 的操作将不会被追踪
d = c + 1
print(f"\n在分离张量 c 上的操作：")
print(f"d.requires_grad: {d.requires_grad}") # 输出：d.requires_grad: False

何时使用 .detach() 与 torch.no_grad()？

• 当你希望执行一段操作而不追踪梯度时，使用 torch.no_grad()，这通常用于推理 (inference)或评估代码段。为此目的，它通常更高效。
• 当你需要将特定张量从计算图中移除时，使用 .detach()，例如为了记录其值、在不应影响梯度的操作中使用它（如更新指标），或将其传递给期望非梯度追踪张量的函数，同时可能仍需要在其他地方使用原始张量的梯度历史。由于 .detach() 共享数据，原地修改分离的张量会影响原始张量，如果处理不当，这可能会对梯度计算产生影响。

原地修改 requires_grad

你也可以直接原地修改张量的 requires_grad 属性，但与上下文 (context)管理器或 .detach() 相比，这种临时禁用方法通常不太常见。它通常用于定义你明确不希望训练的参数 (parameter)。

my_tensor = torch.randn(5, requires_grad=True)
print(f"初始requires_grad: {my_tensor.requires_grad}") # 输出：初始requires_grad: True

# 原地禁用梯度追踪
my_tensor.requires_grad_(False) # 注意下划线表示原地操作
print(f"requires_grad_(False)后: {my_tensor.requires_grad}") # 输出：requires_grad_(False)后: False

使用 torch.no_grad() 是进行高效推理 (inference)和评估的标准做法，而 .detach() 在你需要将特定张量从梯度历史中隔离时，提供更细致的控制。了解何时以及如何禁用梯度追踪对于编写高效且正确的PyTorch代码非常重要，特别是在你进一步学习基础训练循环之后。