no_grad

class torch.no_grad(orig_func=None)

禁用梯度计算的上下文管理器。

在您确定不会调用 Tensor.backward() 的情况下，禁用梯度计算对于推理很有用。它将减少对计算的内存消耗，否则这些计算将具有 requires_grad=True。

在此模式下，即使输入具有 requires_grad=True，每个计算的结果也将具有 requires_grad=False。有一个例外！所有工厂函数或创建新张量并接受 requires_grad 关键字参数的函数都不会受此模式影响。

此上下文管理器是线程本地化的；它不会影响其他线程中的计算。

也用作装饰器。

注意

No-grad 是可以本地启用或禁用梯度的几种机制之一，请参阅 本地禁用梯度计算，以获取有关它们如何比较的更多信息。

注意

此 API 不适用于 前向模式 AD。如果您想为计算禁用前向 AD，可以解包您的对偶张量。

示例：

>>> x = torch.tensor([1.], requires_grad=True)
>>> with torch.no_grad():
...     y = x * 2
>>> y.requires_grad
False
>>> @torch.no_grad()
... def doubler(x):
...     return x * 2
>>> z = doubler(x)
>>> z.requires_grad
False
>>> @torch.no_grad()
... def tripler(x):
...     return x * 3
>>> z = tripler(x)
>>> z.requires_grad
False
>>> # factory function exception
>>> with torch.no_grad():
...     a = torch.nn.Parameter(torch.rand(10))
>>> a.requires_grad
True