detach()方法? 得到一个和源张量共享内存，但没有梯度信息的张量,不参与计算图的梯度计算
clone()方法? ? 开辟新内存空间，其值和源张量一样，参与计算图中梯度计算并可将梯度信息传递到源张量进行累积，但通过clone方法得到的张量其只是一个中间值，梯度为None
import torch
a=torch.tensor(2.0,requires_grad=True)
b=a.clone() #参与计算图梯度计算，但是和a不是同一内存，改变b值不影响a值
c=a.detach() #不参与计算图的计算，和a是同一内存引用，改变c值影响a值
c+=1.0
b =b**2 + 3*b
print(a) #a和c共享内存，a=3.
print(b) #b单独开辟空间，b=10.,同时引入计算图：
# b= b**2+3*b = (a_clone)** 2+ 3*(a_clone) (这里b是对值为2.的tensor a 的拷贝)
print(c) #c=3.
z= a **2 + b **3 + c**4; #z=a^2+b^3+c^4,在计算关于a的导数的时候，c不参与梯度计算
z.backward()
print(a.grad)结果：
?过程如下，只要记住clone得到的只是一个中间张量，并且关于其求导会累积到原张量中就行
另：
pytorch中为了提高效率，一些操作都是浅拷贝，即指向相同的内存空间，不另外开辟内存，常见浅拷贝操作比如tensor和nparray,list转换，detach,视图，切片和索引等?
深拷贝是指另外开辟内存空间的，类的构造方法Tensor()，工厂方法tensor()，clone等
参考链接：