model.eval()和torch.no_grad()参数更新的问题

model.eval()的作用是用于模型评估阶段，关闭模型的Batch normalization层和Dropout层，[参考]

所以在model.eval()时模型参数还是会变化的[参考]，梯度的计算不受影响，计算流依然会存储和计算梯度，反向传播后仍然能够更新模型的对应的权重（比如BN层的weight和bias依然能够被更新）。
而torch.no_grad()的作用就是停止autograd模块的工作，即不会自动计算和存储梯度，因此能够起到加速计算过程和节省显存的作用，同时也说明了不能够进行反向传播以更新模型权重。
所以一般torch.no_grad()和model.eval()配合使用，即：

with torch.no_grad():
	model.eval()