Pytorch 什么是'；需要梯度'；在Pytork中做什么？我应该使用它吗？

我有一个网络，我需要添加我自己的参数，我想培训。我用它来添加这个，但是有一个“Requires Grad”的论点，我真的无法理解阅读文档时我希望这是真是假。我将此设置为true是有意义的，因为我希望此参数作为学习过程的一部分进行优化——但对此参数的需要让我困惑：如果False意味着它没有作为训练过程的一部分进行优化，那么为什么要使用nn.parameter（）而不仅仅使用法线张量

---

从文档中，我看到它将参数添加到您从模型中获得的可说出的参数列表中，但我不明白如果您没有对其进行优化，为什么您会想要它。

据我所知，有时，您可能需要冻结/解冻神经网络的某些部分，并避免/让某些参数在训练期间进行优化。“requires_grad”参数提供了在反向传播阶段包含或排除网络参数的简单方法。就我所知，有时你可能需要冻结/解冻神经网络的某些部分，并避免/让某些参数在训练期间进行优化。“requires_grad”参数提供了在反向传播阶段包含或排除网络参数的简单方法。您只需将其设置为True或False，就完成了。

好的，这是有意义的（不确定您希望在什么情况下这样做，但理论上是有意义的）。我想我需要将我的设置为True，以便对其进行优化。假设您希望以以下特定方式训练GAN：首先在鉴别器冻结的情况下训练发电机，然后在发电机冻结的情况下训练鉴别器。当你进行训练时，你可以在这些模式之间切换。这将是一个在现实世界中这样做的例子。好吧，这是有意义的（不确定什么时候你会想这样做，但理论上是有意义的）。我想我需要将我的设置为True，以便对其进行优化。假设您希望以以下特定方式训练GAN：首先在鉴别器冻结的情况下训练发电机，然后在发电机冻结的情况下训练鉴别器。当你进行训练时，你可以在这些模式之间切换。这将是一个在现实世界中这样做的例子。