框架对混合精度（AMP）的支持

这部分内容有帮助吗？

参考文献

Automatic Mixed Precision examples, PyTorch Contributors, 2025 - PyTorch 自动混合精度 (AMP) 功能的官方指南，包括 autocast 和 GradScaler。
Mixed-Precision Training, Paulius Micikevicius, Sharan Narang, Jonah Alben, Gregory Diamos, Erich Elsen, David Garcia, Boris Ginsburg, Michael Houston, Oleksii Kuchaiev, Ganesh Venkatesh, Hao Wu, 2018 International Conference on Learning Representations (ICLR) DOI: 10.48550/arXiv.1710.03740 - 引入混合精度训练和梯度缩放等技术的开创性论文，对 $FP16$ 尤其重要。
BFloat16: A New Universal Floating Point Format for Machine Learning, Naveen Rao, Brian Van Essen, Andrew R. Thorson, 2019 Proceedings of the 2019 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW) (IEEE) DOI: 10.1109/IPDPSW.2019.00169 - 描述 BFloat16 格式及其在机器学习应用中的优势，并与 FP16 和 FP32 进行对比。