pyro-ppl/pyro

[FR] Support Automatic Mixed Precision training

Open

#3,316 opened on 2024年1月31日

GitHub で見る
 (7 comments) (0 reactions) (0 assignees)Python (8,211 stars) (981 forks)batch import
enhancementhelp wanted

説明

Issue Description

Better support for mixed precision training would be extremely helpful, at least for SVI. I can manually cast data into float16 or bfloat16 but I am unable to leverage PyTorch's automatic mixed precision training. This is because it requires the use of the GradScaler class during the optimization loop to properly scale gradients in a mixed-precision-aware manner. See the documentation for more info: https://pytorch.org/docs/stable/amp.html

It would be nice to have support for using this class within pyro optimizers to allow for amp support.

コントリビューターガイド

技術スタック
pythonpytorch
領域
machine learningperformance
Issue 種別
feature
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
3
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
1-2 days
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
active
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
clear
前提条件
PyTorchPyro SVIAMP basics
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
40
調査方針
Examine Pyro's optimizer classes in pyro/optim/ to understand gradient application. Review issue comments for proposed approaches. Implement GradScaler integration into the optimizer's step method, following PyTorch's AMP guidelines. Consider a flag to enable AMP in SVI.