Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
MindSpore
docs
提交
13b40565
D
docs
项目概览
MindSpore
/
docs
通知
4
Star
2
Fork
2
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
docs
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
提交
13b40565
编写于
4月 15, 2020
作者:
X
Xiaoda
提交者:
Gitee
4月 15, 2020
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
update tutorials/source_zh_cn/advanced_use/mixed_precision.md.
Fix some text of mixed_precision.
上级
b3305fde
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
3 addition
and
4 deletion
+3
-4
tutorials/source_zh_cn/advanced_use/mixed_precision.md
tutorials/source_zh_cn/advanced_use/mixed_precision.md
+3
-4
未找到文件。
tutorials/source_zh_cn/advanced_use/mixed_precision.md
浏览文件 @
13b40565
...
...
@@ -79,7 +79,6 @@ label = Tensor(np.zeros([1, 10]).astype(np.float32))
scaling_sens
=
Tensor
(
np
.
full
((
1
),
1.0
),
dtype
=
mstype
.
float32
)
# Define Loss and Optimizer
net
.
set_train
()
loss
=
MSELoss
()
optimizer
=
Momentum
(
params
=
net
.
trainable_params
(),
learning_rate
=
0.1
,
momentum
=
0.9
)
net_with_loss
=
WithLossCell
(
net
,
loss
)
...
...
@@ -97,7 +96,7 @@ MindSpore还支持手动混合精度。假定在网络中只有一个Dense Layer
以下是一个手动混合精度的实现步骤:
1.
定义网络: 该步骤与自动混合精度中的步骤2类似;注意:在LeNet中的fc3算子,需要手动配置成FP32;
2.
配置混合精度: LeNet通过net.
add_flags_recursive(fp16=True
),把该Cell及其子Cell中所有的算子都配置成FP16;
2.
配置混合精度: LeNet通过net.
to_float(mstype.float16
),把该Cell及其子Cell中所有的算子都配置成FP16;
3.
使用TrainOneStepWithLossScaleCell封装网络模型和优化器。
...
...
@@ -112,7 +111,7 @@ class LeNet5(nn.Cell):
self
.
conv2
=
nn
.
Conv2d
(
6
,
16
,
5
,
pad_mode
=
'valid'
)
self
.
fc1
=
nn
.
Dense
(
16
*
5
*
5
,
120
)
self
.
fc2
=
nn
.
Dense
(
120
,
84
)
self
.
fc3
=
nn
.
Dense
(
84
,
10
).
add_flags_recursive
(
fp32
=
True
)
self
.
fc3
=
nn
.
Dense
(
84
,
10
).
to_float
(
mstype
.
float32
)
self
.
relu
=
nn
.
ReLU
()
self
.
max_pool2d
=
nn
.
MaxPool2d
(
kernel_size
=
2
)
self
.
flatten
=
P
.
Flatten
()
...
...
@@ -128,7 +127,7 @@ class LeNet5(nn.Cell):
# Initialize network and set mixing precision
net
=
LeNet5
()
net
.
add_flags_recursive
(
fp16
=
True
)
net
.
to_float
(
mstype
.
float16
)
# Define training data, label and sens
predict
=
Tensor
(
np
.
ones
([
1
,
1
,
32
,
32
]).
astype
(
np
.
float32
)
*
0.01
)
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录