pytorch1.1 半精度训练 Adam RMSprop 优化器 Nan 问题

2023/4/11
该方法已过时，建议直接使用 pytorch自动混合精度。
手动 半精度不仅对模型的结构设计（例如 sqrt 函数，log函数的输入域需要限定）有很多的限制，还对Loss（模型输出会偏小，非常容易出现梯度消失）有限制。

2019/5/5更新
pytorch 1.1 版本相比1.0版本，对 half 训练优化了许多，nan发生的情况少了很多，现在应该可以日常使用 half 训练了
使用Adam优化器时，加入参数eps=1e-4

optimizer1 = optim.Adam(model.parameters(), lr=1e-3, eps=1e-4)

---

pytorch 半精度浮点数表示的范围比单精度的少很多

1. 使网络输入 值域缩放到 [-1, 1] 或 [0, 1]
2. 定义Adam优化器时，加入参数eps=1e-3
3. 定义RMSprop优化器时，加入参数eps=1e-2
4. 降低学习率

optimizer1 = optim.Adam(model.parameters(), lr=0.001, eps=1e-3)
optimizer2 = optim.RMSprop(model.parameters(), lr=0.001, eps=1e-2)