由于网络优化器使用的是目前各个激光网络开源库Second、Openpcdet等使用的adam_onecycle 无法使用apex.amp进行初始化，应该是无法识别优化器的问题 怎么都无法解决这个问题，最终决定放弃 后面会尝试将torch代码转成pytorch-lightning试试 ...

v100)。于是开始怀念我熟悉的pytorch+apex，又断断续续花了两天多的时间把整个训练框架用 ...

今天pytorch 1.6正式发布了，本次更新的亮点在于引入了自动混合精度训练，详情见官网https://pytorch.org/blog/pytorch-1.6-released/ 在此做一下简介 自动混合精度的意义在于加入了半精度的张量类型，这种类型可以在某些运算中具有更快的速度（如卷积 ...

论文：https://arxiv.org/pdf/1710.03740.pdf 译文：混合精度训练 摘要 增加神经网络的size，可以提高准确率。但同时，也加大了训练模型所需的内存和计算量。我们介绍一种使用半精度浮点数来训练深度神经网络的方法，不会损失准确率，也不需要修改超参数。这种 ...

https://zhuanlan.zhihu.com/p/165152789 PyTorch 1.6版本今天发布了，带来的最大更新就是自动混合精度。release说明的标题是： Stable release of automatic mixed precision (AMP ...

GPU的性能主要分为两部分：算力和显存，前者决定了显卡计算的速度，后者则决定了显卡可以同时放入多少数据用于计算。在可以使用的显存数量一定的情况下，每次训练能够加载的数据更多（也就是batch size更大）,则可以提高训练效率。另外有时候数据本身也比较大（比如3D图像、视频等），显存较小的情况下 ...

你想获得双倍训练速度的快感吗？ 你想让你的显存空间瞬间翻倍吗？ 如果我告诉你只需要三行代码即可实现，你信不？ 在这篇博客里，瓦砾会详解一下混合精度计算（Mixed Precision），并介绍一款Nvidia开发的基于PyTorch的混合精度训练加速神器--Apex ...

通常我们训练神经网络模型的时候默认使用的数据类型为单精度FP32。近年来，为了加快训练时间、减少网络训练时候所占用的内存，并且保存训练出来的模型精度持平的条件下，业界提出越来越多的混合精度训练的方法。这里的混合精度训练是指在训练的过程中，同时使用单精度（FP32）和半精度（FP16 ...