回顾点Pytorch基础知识

torch.Tensor有两部分数据：gradient和data
当numpy和Tensor互转时，numpy->Tensor没啥问题，Tensor->numpy时有两种方法：
第一种： T1.data.numpy或者T1.detach().numpy。即只转data数据，否则会报错：RuntimeError: Can’t call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.
第二种：在模型inference的代码，整体用with torch.no_grad()括住，这样会更省显存，因为模型在前向过程中不再保存gradient的数据

为什么有时候可以T1.numpy()直接转，上代码：

t1=torch.Tensor([1,2,3])
t1=t1.requires_grad_()
t2=torch.Tensor([1,2,3])
t2=t2.numpy()
t1=t1.numpy() #报错RuntimeError: Can't call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.

所以本质看这个Tensor存没存gradient，从网络中出来的输出，默认存gradient因为之后很可能做BP。但是inference过程中应该with torch.no_grad()去掉gradient保存，来节约资源