在迁移完成后，为保证模型的性能，需要开启混合精度。用户可以根据场景选择引入APEX混合精度模块（推荐）或使用PyTorch框架（1.8.1版本及以上）自带的AMP功能。APEX模块的安装请参考相关README文档进行编译安装。

单卡训练开启混合精度

（推荐）使用APEX混合精度模块。

导入混合精度模块。
```
from apex import amp
```

在模型和优化器定义之后初始化APEX模块。

model = ...
optimizer = ...
model, optimizer = amp.initialize(model, optimizer, combine_grad=True)

改写梯度反向传播loss.backward()。

loss = criterion(…) 
#将loss.backward()替换为如下形式
with amp.scale_loss(loss, optimizer) as scaled_loss:     
    scaled_loss.backward() 
optimizer.step()

使用框架自带AMP功能（PyTorch 1.8.1版本及以上）。

model = ...
optimizer = ...
#在模型、优化器定义之后，使用AMP功能。
scaler=GradScaler()
#创建缩放器
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()
        scaler.step(optimizer)
        scaler.update()

多卡训练开启混合精度

（推荐）使用APEX混合精度并关闭combine_ddp开关，并开启PyTorch框架自带的DistributedDataParallel（DDP）模式，DDP模式可参考PyTorch官方文档使用。

from torch.nn.parallel import DistributedDataParallel as DDP
from apex import amp
...
model = ...
optimizer = ...
#在模型、优化器定义之后，初始化APEX模块。
model, optimizer = amp.initialize(model, optimizer, combine_ddp=False)

使用APEX混合精度并开启combine_ddp开关，并关闭PyTorch框架自带的DDP模式。

from apex import amp
...
model = ...
optimizer = ...
#在模型、优化器定义之后，初始化APEX模块。
model, optimizer = amp.initialize(model, optimizer, combine_ddp=True)

使用AMP功能并开启PyTorch框架自带的DDP模式。

from torch.nn.parallel import DistributedDataParallel as DDP
...
model = ...
optimizer = ...
#在模型、优化器定义之后，使用AMP功能。
scaler=GradScaler()
model, optimizer = amp.initialize(model, optimizer, opt_level="O1")
...
        with autocast():
            output = model(input)
            loss = loss_fn(output, target)
...
        scaler.scale(loss).backward()
        scaler.step(optimizer)
        scaler.update()

更多具体混合精度使用说明请参见混合精度说明。

混合精度开启

单卡训练开启混合精度

多卡训练开启混合精度