torch.no_grad() 和.detach()

`torch.no_grad()` 和 `detach()` 都是PyTorch库中用于处理张量操作的功能。

1. `torch.no_grad()`：这是一个上下文管理器，在这个上下文中执行的所有Tensor都不会记录计算图历史，即不会影响反向传播（backpropagation）。这对于一些不需要梯度信息的操作很有用，例如直接从模型获取预测结果，因为它们不需要更新权重。例如：

   with torch.no_grad():
       output = model(input)

2. `detach()`：函数则会将一个Tensor从当前计算图中分离出来，并创建一个新的张量，新的张量不再有依赖于其先前计算图的关系。这意味着无论之后如何修改新张量，原始张量及其之前的计算都不受影响。而且，`detach()`返回的新张量还会清除梯度，就像从计算图中断开一样。示例：

   original_tensor = model(input)
   detached_tensor = original_tensor.detach()