rm nn.Graph.train

[strint]

讨论认为把train的控制还都放在nn.Module层面处理，能处理GAN这些部分网络Train、部分网络Predict的情况。

这里总结下利用Module freeze部分网络的方法：

• nn.Moudle.train(False)，修改Module.training标识，控制batchnorm/dropout等的forward执行逻辑；
• nn.Moudle.requires_grad_(False)，修改Module的parameters，使其不需要grad，变成普通tensor，不为其生成grad；
• optimizer不绑定特定parameter，这样就optimizer就不会更新对应parameter；

这部分对train的控制比较精细、也复杂，所以nn.Graph层面就不做总体控制。后面nn.Graph根据是否add_optimizer判断时训练任务，然后做些检查。