add mixed precision doc (#17)

* add fp16 doc

README.md

@@ -113,3 +113,4 @@ softmax的计算公示如下图所示：
 
 * [分布式参数转换](docs/distributed_params.md)
 * [Base64格式图像预处理](docs/base64_preprocessor.md)
+* [混合精度训练](docs/mixed_precision.md)

docs/mixed_precision.md

+# 混合精度训练
+
+## 简介
+PLSC支持混合精度训练。使用混合精度训练可以提升训练的速度，同时减少训练使用的显存开销。
+
+## 使用方法
+可以通过下面的代码设置开启混合精度训练：
+
+```python
+from plsc import Entry
+def main():
+    ins = Entry()
+    ins.set_mixed_precision(True, 1.0)
+    ins.train()
+if __name__ == "__main__":
+    main()
+```
+其中，`set_mixed_precision`函数介绍如下：
+
+| API  | 描述    | 参数说明  |
+| :------------------- | :--------------------| :----------------------  |
+| set_mixed_precision(use_fp16, loss_scaling) | 设置混合精度训练  | `use_fp16`为是否开启混合精度训练，默认为False；`loss_scaling`为初始的损失缩放值，默认为1.0|
+
+- `use_fp16`：bool类型，当想要开启混合精度训练时，可将此参数设为True即可。
+- `loss_scaling`：float类型，为初始的损失缩放值，这个值有可能会影响混合精度训练的精度，建议设为默认值1.0。
+
+为了提高混合精度训练的稳定性和精度，默认开启了动态损失缩放机制。更多关于混合精度训练的介绍可参考：[混合精度训练](https://arxiv.org/abs/1710.03740)
+
+## 训练性能
+配置： Nvidia Tesla v100 GPU 单机8卡
+| 模型\速度 | FP32训练 | 混合精度训练 | 加速比 |
+| --- | --- | --- | --- |
+| ResNet50 | 2567.96 images/s | 3643.11 images/s | 1.42 |
+备注：上述模型训练使用的loss_type均为'dist_arcface'。