From 944edf48cc6d80acf8dc8004270da43028032db3 Mon Sep 17 00:00:00 2001
From: Guangyun-Xu <38279883+Guangyun-Xu@users.noreply.github.com>
Date: Fri, 26 Jun 2020 00:55:23 +0800
Subject: [PATCH] =?UTF-8?q?4.1.3=20=E4=B8=AD=E6=8F=90=E5=88=B0=E7=9A=84get?=
 =?UTF-8?q?=5Fconstant=E5=87=BD=E6=95=B0=E6=98=AFMXNet=E4=B8=AD=E7=9A=84?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

按照自己的理解，将“get_constant函数”部分改了一下
---
 docs/chapter04_DL_computation/4.1_model-construction.md | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/docs/chapter04_DL_computation/4.1_model-construction.md b/docs/chapter04_DL_computation/4.1_model-construction.md
index 45924e529..ced526487 100644
--- a/docs/chapter04_DL_computation/4.1_model-construction.md
+++ b/docs/chapter04_DL_computation/4.1_model-construction.md
@@ -203,7 +203,7 @@ ModuleDict(
 
 ## 4.1.3 构造复杂的模型
 
-虽然上面介绍的这些类可以使模型构造更加简单，且不需要定义`forward`函数，但直接继承`Module`类可以极大地拓展模型构造的灵活性。下面我们构造一个稍微复杂点的网络`FancyMLP`。在这个网络中，我们通过`get_constant`函数创建训练中不被迭代的参数，即常数参数。在前向计算中，除了使用创建的常数参数外，我们还使用`Tensor`的函数和Python的控制流，并多次调用相同的层。
+虽然上面介绍的这些类可以使模型构造更加简单，且不需要定义`forward`函数，但直接继承`Module`类可以极大地拓展模型构造的灵活性。下面我们构造一个稍微复杂点的网络`FancyMLP`。在这个网络中，我们通过将参数的require_grad属性设置为False（屏蔽对参数的自动追踪）创建训练中不被迭代的参数，即常数参数。在前向计算中，除了使用创建的常数参数外，我们还使用`Tensor`的函数和Python的控制流，并多次调用相同的层。
 
 ``` python
 class FancyMLP(nn.Module):