基本上，PyTorch所做的是，每当我通过网络传递数据并将计算存储在GPU内存中时，它都会创建一个计算图，以防我想在反向传播期间计算梯度。但由于我只想执行正向传播，所以只需要为模型指定torch.no_grad()。
因此，我的代码中的for循环可以重写为：
为我的模型指定no_grad()会告诉PyTorch我不想存储任何以前的计算，从而释放我的GPU空间。
标签：显存,存储,节省,no,PyTorch,pyTorch,计算,GPU,grad
来源： https://blog.csdn.net/weixin_37958272/article/details/116533659