mindspore.amp.FixedLossScaleManager

class mindspore.amp.FixedLossScaleManager(loss_scale=128.0, drop_overflow_update=True)

损失缩放系数不变的管理器，继承自 mindspore.amp.LossScaleManager 。

参数：

• loss_scale (float) - 梯度放大系数。注：如果将 drop_overflow_update 设为False，则定义优化器时需要将优化器的 loss_scale 设为相同的值。默认值：128.0。

• drop_overflow_update (bool) - 出现溢出时，是否执行优化器。如果值为True，则出现溢出时不会执行优化器。默认值：True。

样例：

>>> import mindspore as ms
>>> from mindspore import nn
>>>
>>> net = Net()
>>> #1) Drop the parameter update if there is an overflow
>>> loss_scale_manager = ms.FixedLossScaleManager()
>>> optim = nn.Momentum(params=net.trainable_params(), learning_rate=0.1, momentum=0.9)
>>> model = ms.Model(net, loss_scale_manager=loss_scale_manager, optimizer=optim)
>>>
>>> #2) Execute parameter update even if overflow occurs
>>> loss_scale = 1024.0
>>> loss_scale_manager = ms.FixedLossScaleManager(loss_scale, False)
>>> optim = nn.Momentum(params=net.trainable_params(), learning_rate=0.1, momentum=0.9, loss_scale=loss_scale)
>>> model = ms.Model(net, loss_scale_manager=loss_scale_manager, optimizer=optim)

get_drop_overflow_update()

返回 drop_overflow_update ，该值表示是否在发生溢出时放弃本轮参数更新。

返回：

bool, drop_overflow_update 的值。

get_loss_scale()

获取loss scale值。

返回：

bool，loss_scale 的值。

get_update_cell()

返回用于更新 loss_scale 值的 mindspore.nn.Cell 实例， mindspore.nn.TrainOneStepWithLossScaleCell 会调用该实例。该类使用固定的梯度放大系数，因此该实例不执行任何操作。

返回：

None或 Cell 。当 drop_overflow_update 为True时，返回 mindspore.nn.FixedLossScaleUpdateCell 实例，当 drop_overflow_update 为False时，返回None。

update_loss_scale(overflow)

更新loss scale值。类 mindspore.amp.FixedLossScaleManager 中，该方法不执行任何操作。

参数：

• overflow (bool) - 表示是否溢出。