完整报错信息如下

RuntimeError: set_sizes_and_strides is not allowed on a Tensor created from .data or .detach().
If your intent is to change the metadata of a Tensor (such as sizes / strides / storage / storage_offset)
without autograd tracking the change, remove the .data / .detach() call and wrap the change in a `with torch.no_grad():` block.
For example, change:x.data.set_(y)
to:with torch.no_grad():x.set_(y)

报错的大意是用了一些操作后不能用.detach()或者.data，我的模型是生成对抗网络，在主函数中，报错部分对应的主要代码是

pre = model_g(img_tensor)
dis = model_d(pre.detach()) 
loss_d2_d = nn.BCELoss()(dis, torch.ones_like(dis))

我的生成器用到了.permute()和F.interpolate()，所以报错，神奇的是，我把F.interpolate()的参数scale_factor从8改为2后就没报错了，后面就没管，但改了网络后又报错，经过尝试，发现nn.Upsample()和nn.ConvTranspose2d()也会引起同样的报错，大概是这些操作的中间过程修改了size吧？具体的我也不懂。

后来发现解决这个问题其实很简单，两种方法都可以解决：

1. 加个.clone()

修改后代码为

pre = model_g(img_tensor)
dis = model_d(pre.detach().clone()) 
loss_d2_d = nn.BCELoss()(dis, torch.ones_like(dis))

就不报错了！

2. 加个.contiguous()

另外，我发现其实不用这个方法，其实最根本的是在生成器forward()函数中，permute和reshape操作后应该加个.contiguous()，即我的模型中那句代码由

x = x.permute(0, 2, 1).reshape((n, c*4, h//4, h//4))

改为：

x = x.permute(0, 2, 1).reshape((n, c*4, h//4, h//4)).contiguous()

然后不用.clone()了，正常地用pre.detach()就行了。

就也不报错了！

虽然问题解决了，不过报错的具体原因我也不是特别清楚，有人对这处错误有比较清楚的认识的话麻烦告诉我一下吧，感谢！(●’◡’●)