torch.utils.checkpoint

checkpoint通过交换计算内存来工作。而不是存储整个计算图的所有中间激活用于向后计算，checkpoint不会不保存中间激活部分，而是在反向传递中重新计算它们。它可以应用于模型的任何部分。

具体来说，在正向传递中，function将以torch.no_grad()方式运行，即不存储中间激活。相反，正向传递保存输入元组和 function参数。在向后计算中，保存的输入变量以及 function会被回收，并且正向计算被function再次计算，现在跟踪中间激活，然后使用这些激活值来计算梯度。

function - 描述在模型的正向传递或模型的一部分中运行的内容。它也应该知道如何处理作为元组传递的输入。例如，在LSTM中，如果用户通过，应正确使用第一个输入作为第二个输入(activation, hidden)functionactivationhidden
args - 包含输入的元组function

返回： attrfunction开*args

返回类型：运行输出

用于checkpoint 模型的辅助函数。

sequential模型按顺序执行一系列模块/函数(按顺序）。因此，我们可以将这种模型分为不同的部分和checkpoint。除最后一个段以外的所有段都将以某种torch.no_grad()方式运行，即不存储中间活动。将保存每个checkpoint`段的输入，以便在向后传递中重新运行段。

警告 checkpoint在torch.autograd.grad()中不起作用，但仅适用于torch.autograd.backward()。

参数：

segments - 要在模型中创建的块数
segments - 输入的张量元组functions

按顺序运行的输出*inputs

部分地方存在翻译错误，即将修复