torch.cuda.amp不能直接套在model.forward()外面，因其autocast仅动态插入精度转换逻辑，不修改模型结构；若仅包裹forward而损失计算和backward在默认精度下运行，将导致梯度类型错配报错。
为什么 torch.cuda.amp 不能直接套在 model.forward() 外面？
因为 torch.cuda.amp 的核心是动态缩放（GradScaler）和上下文管理（autocast），它们必须精准包裹前向计算与反向传播的边界。如果只对 model.forward() 加 autocast，而损失计算、loss.backward() 仍在默认精度下运行，梯度更新会出错——尤其是当 loss 是 float16 张量时，backward() 可能触发 RuntimeError: expected scalar type Float but found Half。
正确做法是把整个前向 + loss 构建放进 autocast() 上下文，且 backward() 必须在该上下文外（否则梯度缩放失效）：
scaler = torch.cuda.amp.GradScaler()
for data, target in dataloader:
optimizer.zero_grad()
with torch.cuda.amp.autocast(): # ← 这里开始 FP16 前向
output = model(data)
loss = criterion(output, target) # loss 也是 float16
scaler.scale(loss).backward() # ← backward 在 autocast 外，但用 scale 包裹
scaler.step(optimizer)
scaler.update()
GradScaler 的 scale() 和 step() 为什么必须配对使用？
GradScaler 不是简单地把梯度乘个数，它在每次 scale() 时记录当前缩放因子，并在 step() 中检查梯度是否溢出（inf/nan）。如果跳过 scale() 直接 backward()，或者 scale() 后没调 step()，就会导致：
- 梯度值过小，权重几乎不更新（漏掉
scale()） - optimizer 更新时用的是未缩放梯度，
step()内部无法做溢出检测（漏掉scale()） - 连续多次
scale()但只调一次step()，缩放因子累积错乱，后续update()失效
关键规则：scaler.scale(loss).backward() → scaler.step(optimizer) → scaler.update() 必须成组出现，且中间不能插入其他 backward() 或 step()。
立即学习“Python免费学习笔记（深入）”；
哪些层或操作容易在 autocast 下出问题？
autocast 默认按算子类型决定输入输出精度，但部分操作没有 FP16 实现，或数值不稳定，需手动切回 FP32：
-
torch.nn.functional.softmax：FP16 下易溢出，建议用torch.nn.Softmax（已内置稳定实现）或显式转.float() - 自定义 loss（如带 log / exp 的）：先
input.float()再计算 -
torch.where、torch.scatter_等索引类操作：某些版本不支持Half，报NotImplementedError - BatchNorm 层：PyTorch ≥ 1.7 默认在
autocast中保持 FP32 统计，无需干预；但若自己写 BN，需确保running_mean/var是float32
调试技巧：临时加 print(output.dtype, loss.dtype)，确认关键张量是否意外变成 torch.float16。
混合精度训练时 model.eval() 需要关掉 autocast 吗？
不需要，但也不能无脑沿用训练逻辑。验证阶段不用 GradScaler，但 autocast 仍可加速前向（尤其大模型）：
model.eval()
with torch.no_grad():
with torch.cuda.amp.autocast(): # ← 依然可以开，省显存、提速度
output = model(data)
loss = criterion(output, target)
注意两点：
- 去掉
scaler相关所有调用（scale/step/update） -
torch.no_grad()必须在外层，否则autocast可能尝试记录计算图，报RuntimeError: cudnn_batch_norm_backward not supported for tensors with less than 4 dimensions in autocast mode
实际中，验证时开 autocast 能降显存 30%~50%，且精度损失通常
真正容易被忽略的是：scaler.step() 失败后不会抛异常，而是静默跳过更新——务必检查 scaler.step(optimizer) 的返回值（None 表示成功，False 表示因梯度溢出被跳过），并在日志里记录跳过次数。
