forked from mindspore-Ecosystem/mindspore
55 lines
2.3 KiB
Plaintext
55 lines
2.3 KiB
Plaintext
Class mindspore.FixedLossScaleManager(loss_scale=128.0, drop_overflow_update=True)
|
||
|
||
梯度放大系数不变的管理器，继承自:class:`mindspore.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：
|
||
>>> from mindspore import Model, nn, FixedLossScaleManager
|
||
>>>
|
||
>>> net = Net()
|
||
>>> # 1) 如果存在溢出，则不执行参数更新
|
||
>>> loss_scale_manager = FixedLossScaleManager()
|
||
>>> optim = nn.Momentum(params=net.trainable_params(), learning_rate=0.1, momentum=0.9)
|
||
>>> model = Model(net, loss_scale_manager=loss_scale_manager, optimizer=optim)
|
||
>>>
|
||
>>> # 2) 即使发生溢出，也执行参数更新
|
||
>>> loss_scale = 1024.0
|
||
>>> loss_scale_manager = FixedLossScaleManager(loss_scale, False)
|
||
>>> optim = nn.Momentum(params=net.trainable_params(), learning_rate=0.1, momentum=0.9, loss_scale=loss_scale)
|
||
>>> model = 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`Cell`实例，该实例将在:class:`mindspore.TrainOneStepWithLossScaleCell`中执行。
|
||
|
||
返回：
|
||
None或`Cell`。当`drop_overflow_update`为True时，返回:class:`mindspore.FixedLossScaleUpdateCell`实例，当`drop_overflow_update`为False时，返回None。
|
||
|
||
|
||
update_loss_scale(overflow)
|
||
|
||
更新loss scale值。类:class:`mindspore.FixedLossScaleManager`中，该方法不执行任何操作。
|
||
|
||
参数：
|
||
overflow (bool)：表示是否溢出。
|
||
|