AI编辑：我是小将

混合精度训练(mixed precision training)可以让模型训练在尽量不降低性能的情形下提升训练速度，而且也可以降低显卡使用内存。目前主流的深度学习框架都开始支持混合精度训练。对于PyTorch，混合精度训练还主要是采用NVIDIA开源的apex库。但是，PyTorch将迎来重大更新，那就是提供内部支持的混合精度训练，而且是自动混合精度训练：

• torch.cuda.amp.autocast ：自动为GPU op选择精度来提升训练性能而不降低模型准确度。

• torch.cuda.amp.GradScaler : 对梯度进行scale来加快模型收敛，因为float16梯度容易出现underflow(梯度过小)

两者结合在一起，可以实现自动混合精度训练：

# Creates model and optimizer in default precisionmodel = Net().cuda()optimizer = optim.SGD(model.parameters(), ...)

# Creates a GradScaler once at the beginning of training.scaler = GradScaler()

for epoch in epochs:    for input, target in data:        optimizer.zero_grad()

        # Runs the forward pass with autocasting.        with autocast():            output = model(input)            loss = loss_fn(output, target)

        # Scales loss.  Calls backward() on scaled loss to create scaled gradients.        # Backward passes under autocast are not recommended.        # Backward ops run in the same precision that autocast used for corresponding forward ops.        scaler.scale(loss).backward()

        # scaler.step() first unscales the gradients of the optimizer's assigned params.        # If these gradients do not contain infs or NaNs, optimizer.step() is then called,        # otherwise, optimizer.step() is skipped.        scaler.step(optimizer)

        # Updates the scale for next iteration.        scaler.update()

可以看到，为了防止梯度的underflow，首先scaler.scale(loss).backward()会对loss乘以一个scale因子，然后backward时所有梯度都会乘以相同的scale因子，这样保证梯度有较大的magnitude而不会出现为0。我们不希望这个scale因子对学习速率产生影响，那么scaler.step(optimizer)会先unscale要更新的梯度然后再更新，如果梯度出现infs或者NaNs，optimizer将忽略这次迭代训练。

如果你想在梯度更新前对梯度进行clip，也是可以的：

scaler = GradScaler()

for epoch in epochs:    for input, target in data:        optimizer.zero_grad()        with autocast():            output = model(input)            loss = loss_fn(output, target)        scaler.scale(loss).backward()

        # Unscales the gradients of optimizer's assigned params in-place        scaler.unscale_(optimizer)

        # Since the gradients of optimizer's assigned params are unscaled, clips as usual:        torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm)

        # optimizer's gradients are already unscaled, so scaler.step does not unscale them,        # although it still skips optimizer.step() if the gradients contain infs or NaNs.        scaler.step(optimizer)

        # Updates the scale for next iteration.        scaler.update()

当然，混合精度训练肯定要支持分布式训练，由于autocast是thread local的，所以要注意以下不同的情形：

如果使用torch.nn.DataParallel：

此时只有一个进程，而不同GPU上是各自的线程跑forward过程的，所以下面操作时无效的：

model = MyModel()dp_model = nn.DataParallel(model)

# Sets autocast in the main threadwith autocast():    # dp_model's internal threads won't autocast.  The main thread's autocast state has no effect.    output = dp_model(input)    # loss_fn still autocasts, but it's too late...    loss = loss_fn(output)

此时你需要对model的forward方法用autocast装饰：

MyModel(nn.Module):    ...    @autocast()    def forward(self, input):       ...

# AlternativelyMyModel(nn.Module):    ...    def forward(self, input):        with autocast():            ...model = MyModel()dp_model = nn.DataParallel(model)

with autocast():    output = dp_model(input)    loss = loss_fn(output)

如果使用torch.nn.parallel.DistributedDataParallel：

一般情形下是单GPU进程的，此时原来的用来就没有问题，但是如果是多GPU一个进程那么就和上述问题一样，需要用autocast装饰model的forward。

更多内容见: https://pytorch.org/docs/master/notes/amp_examples.html#amp-examples

推荐阅读

堪比Focal Loss！解决目标检测中样本不平衡的无采样方法

超越BN和GN！谷歌提出新的归一化层：FRN

CVPR2020 论文系列一：VSGNet

PyTorch分布式训练简明教程

图神经网络入门

另辟蹊径！斯坦福大学提出边界框回归任务新Loss：GIoU

人人必须要知道的语义分割模型：DeepLabv3+

机器学习算法工程师

一个用心的公众号