10from typing import Dict, Tuple, Optional, Any
11
12import torch
13from torch import nn
14from torch.optim import Optimizer
15from torch.cuda.amp import grad_scaler
16from collections import defaultdict, abc
17
18from labml_nn.optimizers import WeightDecay
19from labml_nn.optimizers.adam import Adamඅපි ඇඩම් ඔප්ටිමයිසර් දීර් extend කරන නමුත් ශ්රේණි සහ මොහොත ගබඩා කිරීම සඳහා FP32 භාවිතා කරමු.
22class AdamFP16(Adam):29    def __init__(self, params, lr: float = 1e-3, betas: Tuple[float, float] = (0.9, 0.999), eps: float = 1e-16,
30                 weight_decay: WeightDecay = WeightDecay(), optimized_update: bool = True,
31                 defaults: Optional[Dict[str, Any]] = None):බිට්අනුක්රමික 32 ක් ගබඩා කිරීමේ පරාමිතිය. පහත GradScaler
 අර්ථ දක්වා ඇති පරිදි මෙය ජනාකීර්ණ වේ. 
33        self.grad_fp32 = {}ඇඩම් ප්රශස්තිකරණ ආරම්භකය අමතන්න
35        super().__init__(params, lr, betas, eps, weight_decay, optimized_update, defaults)state
 පරාමිතිය ප්රශස්තකරණය රාජ්ය වේ (tensor) group
 පරාමිති කණ්ඩායමේ ප්රශස්තිකරණ ගුණාංග ගබඩා කරයි param
 පරාමිතිය tensor වේ සියලුමරාජ්ය ආතතීන් FP32 භාවිතා කරයි.
37    def init_state(self, state: Dict[str, any], group: Dict[str, any], param: nn.Parameter):පරාමිතියමත ගෙන ඇති ප්රශස්තිකරණ පියවර ගණන මෙයයි,
49        state['step'] = 0අනුක්රමිකක ඝාතීය වෙනස්වන සාමාන්යය,
51        state['exp_avg'] = torch.zeros_like(param, memory_format=torch.preserve_format, dtype=torch.float)වර්ගඵලය අනුක්රමික වටිනාකම් ඝාතීය වෙනස්වන සාමාන්යය,
53        state['exp_avg_sq'] = torch.zeros_like(param, memory_format=torch.preserve_format, dtype=torch.float)පරාමිතීන්ගේFP32 පිටපතක් පවත්වා ගන්න
55        state['fp32_copy'] = param.to(torch.float)state
 පරාමිතිය ප්රශස්තකරණය රාජ්ය වේ (tensor) group
 පරාමිති කණ්ඩායමේ ප්රශස්තිකරණ ගුණාංග ගබඩා කරයි grad
 පරාමිතිය  සඳහා වත්මන් ඵලය අනුක්රමික tensor වේ  param
 පරාමිතිය tensor වේ 57    def step_param(self, state: Dict[str, any], group: Dict[str, any], grad: torch.Tensor, param: torch.nn.Parameter):FP32පරාමිතීන් ලබා ගන්න
68        param_fp32 = state['fp32_copy']ලබාගත හැකි නම් FP32 අනුක්රමික ලබා ගන්න
70        grad_fp32 = self.grad_fp32.get(param, None)
71        if grad_fp32 is not None:
72            del self.grad_fp32[param]
73            grad = grad_fp32
74        else:එසේනොමැතිනම්, ශ්රේණිය FP32 බවට පරිවර්තනය කරන්න
76            grad = grad.to(torch.float)බරක්ෂය වීම ගණනය කරන්න
79        grad = self.weight_decay(param_fp32, grad, group)ලබා ගන්න
82        m, v = self.get_mv(state, group, grad)ප්රශස්තිකරණපියවර ගණන වැඩි කරන්න
85        state['step'] += 1ආදම් යාවත්කාලීන කිරීම සිදු
88        self.adam_update(state, group, param_fp32, m, v)පරාමිතීන්සකසන්න
91        param.data = param_fp32.to(param.dtype)FP32ශ්රේණියේ භාවිතා කිරීම සඳහා අපි පයිටෝච් ශ්රේණියේ පරිමාණය දිගු කරමු.
94class GradScalerFP16(grad_scaler.GradScaler):101    def _unscale_grads_(self, optimizer: Optimizer, inv_scale: torch.Tensor, found_inf: torch.Tensor,
102                        allow_fp16: bool) -> Dict[torch.device, torch.Tensor]:
103        per_device_inv_scale = grad_scaler._MultiDeviceReplicator(inv_scale)
104        per_device_found_inf = grad_scaler._MultiDeviceReplicator(found_inf)
105
106        per_device_and_dtype_grads = defaultdict(lambda: defaultdict(list))  # type: ignore[var-annotated]
107
108        with torch.no_grad():පරාමිතීන්හරහා ලූප්
110            for group in optimizer.param_groups:
111                for param in group["params"]:පුහුණුකළ නොහැකි පරාමිතීන් මඟ හරින්න
113                    if param.grad is None:
114                        continueවිරලආතතීන් සඳහා ක්රියාත්මක නොවේ
116                    if param.grad.is_sparse:
117                        raise NotImplementedErrorඅපිFP32 ශ්රේණියේ AdamFP16
 ප්රශස්තිකරණ කට්ටලය optimizer.grad_fp32[param]
 භාවිතා කරන්නේ නම් 
120                    if isinstance(optimizer, AdamFP16):
121                        grad = param.grad.to(torch.float)
122                        optimizer.grad_fp32[param] = gradඑසේනොමැතිනම්, අනුක්රමික FP32 බවට පරිවර්තනය නොකරන්න
124                    else:
125                        grad = param.grad
126
127                    per_device_and_dtype_grads[grad.device][grad.dtype].append(grad)සියලුමඅනුක්රමික පරිමාණය කරන්න
130            for device, per_dtype_grads in per_device_and_dtype_grads.items():
131                for grads in per_dtype_grads.values():
132                    torch._amp_foreach_non_finite_check_and_unscale_(grads,
133                                                                     per_device_found_inf.get(device),
134                                                                     per_device_inv_scale.get(device))136        return per_device_found_inf._per_device_tensors