mindspore.amp.custom_mixed_precision

查看源文件
mindspore.amp.custom_mixed_precision(network, *, white_list=None, black_list=None, dtype=mstype.float16)[源代码]

通过配置白名单或黑名单，对Cell进行自定义混合精度处理。 当提供 white_list 时，网络中包含在 white_list 里的Primitive或Cell会进行精度转换。 当提供 black_list 时，网络中不包含在 black_list 里的Cell会进行精度转换。 需要提供 white_list 和 black_list 中的一个。

说明

  • 重复调用混合精度接口，如 custom_mixed_precision 和 auto_mixed_precision ，可能导致网络层数增大，性能降低。

  • 如果使用 mindspore.train.Model 和 mindspore.amp.build_train_network() 等接口来训练经 过 custom_mixed_precision 和 auto_mixed_precision 等混合精度接口转换后的网络，则需要将 amp_level 配置 为 O0 以避免重复的精度转换。

  • 当使用黑名单时，Primitive类型还未支持。

参数：

  • network (Cell) - 定义网络结构。

  • white_list (list[Primitive, Cell], optional) - 自定义混合精度的白名单。默认值： None 。

  • black_list (list[Cell], optional) - 自定义混合精度的黑名单。默认值： None 。

  • dtype (Type) - 低精度计算时使用的数据类型，可以是 mstype.float16 或 mstype.bfloat16。默认值： mstype.float16 。

返回：

network (Cell)，支持混合精度的网络。

异常：

  • TypeError - network 的类型不是Cell。

  • ValueError - white_list 和 black_list 都没提供。

  • ValueError - 同时提供了 white_list 和 black_list 。

  • ValueError - dtype 既不是 mstype.float16 也不是 mstype.bfloat16 。

样例：

>>> from mindspore import amp, nn
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/master/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> custom_white_list = amp.get_white_list()
>>> custom_white_list.append(nn.Flatten)
>>> net = amp.custom_mixed_precision(net, white_list=custom_white_list)