GradScaler

GradScaler用于动态图模式下的”自动混合精度”的训练。它控制loss的缩放比例，有助于避免浮点数溢出的问题。这个类具有 scale() 和 minimize() 两个方法。

scale() 用于让loss乘上一个缩放的比例。 与 optimizer.minimize() 类似，执行参数的更新。

通常，GradScaler和 paddle.amp.auto_cast 一起使用，来实现动态图模式下的”自动混合精度”。

参数：

• enable (bool, 可选) - 是否使用loss scaling。默认值为True。

• init_loss_scaling (float, 可选) - 初始loss scaling因子。默认值为32768.0。

• incr_ratio (float, 可选) - 增大loss scaling时使用的乘数。默认值为2.0。

• decr_every_n_nan_or_inf (int, 可选) - 累计出现n个steps的梯度为nan或者inf时，减小loss scaling。默认值为2。

• use_dynamic_loss_scaling (bool, 可选) - 是否使用动态的loss scaling。如果不使用，则使用固定的loss scaling；如果使用，则会动态更新loss scaling。默认值为True。

返回：

一个GradScaler对象。

代码示例：

scale ( var )

将Tensor乘上缩放因子，返回缩放后的输出。 如果这个 的实例不使用loss scaling，则返回的输出将保持不变。

参数：

代码示例：

minimize ( optimizer, \args, **kwargs* )

这个函数与 optimizer.minimize() 类似，用于执行参数更新。 如果参数缩放后的梯度包含NAN或者INF，则跳过参数更新。否则，首先让缩放过梯度的参数取消缩放，然后更新参数。 最终，更新loss scaling的比例。

参数：

• optimizer (Optimizer) - 用于更新参数的优化器。

• args - 参数，将会被传递给 optimizer.minimize() 。

• kwargs - 关键词参数，将会被传递给 。

代码示例：