pytorch源码中“if torch._C._get_tracing_state():”怎么理解

    def _call_impl(self, *input, **kwargs):
        for hook in itertools.chain(
                _global_forward_pre_hooks.values(),
                self._forward_pre_hooks.values()):
            result = hook(self, input)
            if result is not None:
                if not isinstance(result, tuple):
                    result = (result,)
                input = result
        if torch._C._get_tracing_state():  # 我对这句话不理解，if中为什么没有使用输入的形参？
            result = self._slow_forward(*input, **kwargs)
        else:
            result = self.forward(*input, **kwargs)  # 错误提示跳转到了这里

if torch._C._get_tracing_state():就是用来判断是否使用JIT来跟踪模型。像pytorch构建一个计算图就会用到一个中央的context去管理变量，而JIT跟踪模型也类似，比如用以下方式标记了这个module需要用JIT跟踪：

import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.jit import ScriptModule, script_method, trace

class MyScriptModule(ScriptModule):

    def __init__(self):
        super(MyScriptModule, self).__init__()
        # trace produces a ScriptModule's conv1 and conv2
        self.conv1 = trace(nn.Conv2d(1, 20, 5), torch.rand(1, 1, 16, 16))
        self.conv2 = trace(nn.Conv2d(20, 20, 5), torch.rand(1, 20, 16, 16))

    @script_method
    def forward(self, input):
      x = F.relu(self.conv1(input))
      x = F.relu(self.conv2(input))
      return x

而torch跟踪代码后同样也会在c++后端中存入这个MyScriptModule是否需要跟踪的信息，因此只是需要调用_C的_get_tracing_state()就可以判断是否需要跟踪这个module，而不需要使用forward中传入的形参。

_get_tracing_state()

是一个获取跟踪状态的方法 

这个方法是 torch._C这个对象的。

随机抽样 Random sampling

torch.manual_seed

torch.manual_seed(seed)

设定生成随机数的种子，并返回一个 torch._C.Generator 对象.

参数: seed (int or long) – 种子.