答：
detach的作用是冻结梯度下降，无论是对于判别网络还是生成网络而言，我们更新的都是关于logD(G(z))，对于判别网络而言，冻结G并不影响整体的梯度更新（就是内层函数看成是一个常数，不影响外层函数求梯度），但是反过来，如果冻结D，就没有办法完成梯度更新了。所以，我们在训练生成器的时候没用冻结D的梯度。所以，对于生成器而言，我们的确计算了D的梯度，但是我们没有更新D的权重（只写了optimizer_g.step），所以训练生成器的时候也就不会改变判别器了。你可能会问，那既然如此，为什么训练判别器的时候还要加上detach呢，这不是多此一举吗？
因为我们冻结梯度下降，可以加快训练速度，所以能用的地方就可以用一下，不是多此一举。然后我们在训练生成器的时候，因为logD(G(z))的原因，冻结D的梯度根本就没有办法计算了，所以，这里就不写detach了
