错误说明

在使用PyTorch自带的TensorBoard的add_graph方法将网络图结构添加到监测信息中时，遇到如下报错：

1	RuntimeError: Cannot insert a Tensor that requires grad as a constant. Consider making it a parameter or input, or detaching the gradient.

这个信息其实有些tricky：

告诉了是add_graph这一步有问题，但是具体哪个变量是带有不符合要求的属性不得而知
格式是按照api照猫画虎的，怎么会不符合要求呢？

Debug过程

搜遍全网也没有找到结果，根据一些相关信息（见参考）的蛛丝马迹，首先怀疑是传入模型的Tensor的requires_grad设置问题，debug后发现其值为False(也应该是False，因为是从原始文件读入的数据)。
接下来，怀疑是模型output的Tensor的requires_grad的问题，但是没想到如何简便地更改add_graph中的模型输出Tensor的属性，因为这一步是在add_graph源码中的，当然也可以更改源码中的model(input_to_model)这里，使其所有输出的属性符合要求，但是这有点不elegant。
接下来从参考链接2中获得了一些启发，想到我使用的是多GPU训练，会不会是Dataparallel的问题呢？接下来又想到之前在知乎（链接3）看到关于读写Dataparallel的一些技巧，马上“灵光一闪”。先尝试了将add_graph放到模型并行化之前，果然没有报错，基本确定是Dataparallel的问题。

然后根据参考链接2和3，想到把模型先从并行化容器中取出来，再执行，果然问题完美解决。相关代码如下

 # setup the summary writer
train_data_sample, label_sample = iter(dataloader_train).next()
writer = SummaryWriter(args.summary_path, flush_secs=120)

with writer:
    writer.add_graph(model.module,train_data_sample.to(device))  # model graph, with input

重点就在model.module，这句话讲模型从并行化后的容器中取出来，以未并行化的模型（原始模型）返回，这样再执行就没有问题了。