mindspore.device_context.ascend.op_precision.precision_mode

mindspore.device_context.ascend.op_precision.precision_mode(mode)

配置混合精度模式。框架默认设置Atlas训练系列产品的默认配置为“allow_fp32_to_fp16”，Atlas A2训练系列产品等其他产品的默认配置为“must_keep_origin_dtype”。 如果您想了解更多详细信息， 请查询 昇腾社区 了解。

说明

• 该参数的默认值属于实验性质参数，将来可能会发生变化。

参数：

• mode (str) - 混合精度模式设置。

  其值范围如下：

  • force_fp16: 当算子既支持float16，又支持float32时，直接选择float16。

  • allow_fp32_to_fp16: 对于矩阵类算子，使用float16。对于矢量类算子，优先保持原图精度，如果网络模型中算子支持float32，则保留原始精度float32，如果网络模型中算子不支持float32，则直接降低精度到float16。

  • allow_mix_precision: 自动混合精度，针对全网算子，按照内置的优化策略，自动将部分算子的精度降低到float16或bfloat16。

  • must_keep_origin_dtype: 保持原图精度。

  • force_fp32: 当矩阵计算的算子输入为float16，输出既支持float16又支持float32时，强制转换成float32输出。

  • allow_fp32_to_bf16: 对于矩阵类算子，使用bfloat16。对于矢量类算子，优先保持原图精度，如果网络模型中算子支持float32，则保留原始精度float32，如果网络模型中算子不支持float32，则直接降低精度到bfloat16。

  • allow_mix_precision_fp16: 自动混合精度，针对全网算子，按照内置的优化策略，自动将部分算子的精度降低到float16。

  • allow_mix_precision_bf16: 自动混合精度，针对全网算子，按照内置的优化策略，自动将部分算子的精度降低到bfloat16。

样例：

>>> import mindspore as ms
>>> ms.device_context.ascend.op_precision.precision_mode("force_fp16")