答：
detach的作用是凍結梯度下降，無論是對於判別網絡還是生成網絡而言，我們更新的都是關於logD(G(z))，對於判別網絡而言，凍結G並不影響整體的梯度更新（就是內層函數看成是一個常數，不影響外層函數求梯度），但是反過來，如果凍結D，就沒有辦法完成梯度更新了。所以，我們在訓練生成器的時候沒用凍結D的梯度。所以，對於生成器而言，我們的確計算了D的梯度，但是我們沒有更新D的權重（只寫了optimizer_g.step），所以訓練生成器的時候也就不會改變判別器了。你可能會問，那既然如此，爲什麼訓練判別器的時候還要加上detach呢，這不是多此一舉嗎？
因爲我們凍結梯度下降，可以加快訓練速度，所以能用的地方就可以用一下，不是多此一舉。然後我們在訓練生成器的時候，因爲logD(G(z))的原因，凍結D的梯度根本就沒有辦法計算了，所以，這裏就不寫detach了