with torch.no_grad()

在tensor这个类中，如果将其属性 requires_grad设置为true，它将追踪在其上的所有操作（利于反向梯度传播）。完成计算后，可以调用backward()来完成所有梯度计算，此时tensor的梯度将累积到 tensor.grad()属性中

如果不想被追踪，比如在画图，输出时，可以调用 .detach()将其从追踪记录里分离出来，这样就可以防止将来的计算被追踪。
此外 在优化算法时还可以用 with torch,no_grad()将不想被追踪的操作代码包裹起来，固定住，因为此时不需要梯度传播了

x = torch.tensor(1.0, requires_grad=True)
y1 = x ** 2
with torch.no_grad():
    y2 = x ** 3
y3 = y1 + y2

print(x.requires_grad)
print(y1, y1.requires_grad) # True
print(y2, y2.requires_grad) # False
print(y3, y3.requires_grad) # True