https://blog.csdn.net/u012436149/article/details/66971822
在resnet.py文件中遇到了
pytorch的BP过程是由一个函数决定的，loss.backward()， 可以看到backward()函数里并没有传要求谁的梯度。 那么我们可以大胆猜测，在BP的过程中，pytorch是将所有影响loss的Variable都求了一次梯度。 但是有时候，我们并不想求所有Variable的梯度。 那就要考虑如何在Backward过程中排除子图（ie.排除没必要的梯度计算）。
如何BP过程中排除子图？ Variable的两个参数（requires_grad和volatile）
requires_grad=True 要求梯度 requires_grad=False 不要求梯度
volatile=True相当于requires_grad=False。 反之则反之。。。。。。。ok
注意： 如果a是requires_grad=True，b是requires_grad=False。 则c=a+b是requires_grad=True。 同样的道理应用于volatile
也许有人会问，梯度全部计算，不更新的话不就得了。 这样就涉及了效率的问题了，计算很多没用的梯度是浪费了很多资源的（时间，计算机内存）
