为什么static_dict() 返回的参数梯度是空 但是 parameters 是有值的？（pytorch）

问题描述

因为要了解free layer到底有没有停止梯度的计算， 就用了modeld的2个模块A 启用了freeze, 另一个B未启用 .
接着在backward前后打印了state_dict()[“weight”].grad 发现无论AB， 在backpropagation前后一直是None ， 我就以为freezelayer不管用
但是朋友用parameters 的方法打印就有值了 代码如下：
keep_vars=True

//1 可以看到这里我只冻住了模型的A模块  希望的结果应该是A 前后不变 但是B 会变化(这是我写的内置函数， 当输入为true的时候说明不需要让他计算梯度， 也就是require-grad = false)
self.freezeLayer(self.model.A, True)
self.freezeLayer(self.model.B, False)