混合精度-基于torch内部
定义
混合精度训练是一种在深度学习模型训练过程中，同时使用不同精度数据类型（主要是单精度 FP32 和半精度 FP16）来进行计算和存储的技术。以下是具体介绍：
数据类型：
- 单精度（FP32）：具有较高的数值精度和动态范围，能够准确表示各种数值，但占用内存空间较大，计算速度相对较慢。在深度学习中，传统的训练方式通常使用 FP32 来存储模型参数、梯度和中间计算结果。
- 半精度（FP16）：占用内存空间仅为 FP32 的一半，数据传输和计算速度更快，但数值精度和动态范围相对较低。它适用于一些对精度要求不是特别高，但对计算速度和内存占用较为敏感的场景
实现方式
在混合精度训练中，通常会将模型的权重参数以 FP32 格式存储，以保证模型的准确性和稳定性。而在实际的计算过程中，将部分计算（如矩阵乘法、卷积运算等）使用 FP16 进行，以充分利用硬件对 FP16 的优化，提高计算速度和减少内存占用。同时，为了避免因 FP16 精度不足而导致的梯度消失或模型精度下降等问题，还会采用一些特殊的技术，如动态损失缩放（Dynamic Loss Scaling）。通过动态调整损失函数的缩放因子，使得在 FP16 计算中能够更好地保留梯度信息，确保模型的正常训练。
实战
-必要的库：from torch.cuda.amp import GradScaler, autocast
- GradScaler 是 PyTorch 提供的一个工具，用于在混合精度训练中自动调整梯度的缩放比例。它可以帮助防止梯度下溢（underflow）和溢出（overflow），从而提高训练的稳定性和效率
- autocast ：autocast 上下文管理器会自动将计算图中的某些操作转换为半精度（FP16），而将某些操作保留为单精度（FP32）。这样可以在不损失精度的情况下，显著减少显存占用，并提高计算速度
步骤：
1.初始化梯度缩放器
scaler = GradScaler()
2.在前向传播中使用 autocast
with autocast():
output = model(images, texts)
total_loss = criterion(output, label_id)
在 autocast 上下文中，模型的前向传播和损失计算会自动使用混合精度。
3.在反向传播的时候用scaler.scale 来缩放梯度
scaler.scale(total_loss).backward()
反向传播时，scaler.scale 会将梯度放大，以防止梯度下溢。这有助于在使用混合精度训练时保持梯度的数值稳定性
4.更新参数:在 train_one_epoch 函数中，使用 scaler.step 和 scaler.update 来更新参数：
if (idx + 1) % config.TRAIN.ACCUMULATION_STEPS == 0:
scaler.step(optimizer)
scaler.update()
optimizer.zero_grad()
作用：
scaler.step(optimizer)：调用优化器的 step 方法来更新参数。
scaler.update()：更新梯度缩放比例，以适应当前的梯度大小。
optimizer.zero_grad()：清零梯度，为下一个批次的训练做准备。