Class mindspore.FixedLossScaleManager(loss_scale=128.0, drop_overflow_update=True)

    梯度放大系数不变的管理器，继承自:class:`mindspore.LossScaleManager`。

    参数：
        loss_scale (float)：梯度放大系数。注：如果将`drop_overflow_update`设为False，则定义优化器时需要将优化器的`loss_scale`设为相同的值。默认值：128.0。
        drop_overflow_update (bool)：出现溢出时，是否执行优化器。如果值为True，则出现溢出时不会执行优化器。默认值：True。

    样例：
        >>> from mindspore import Model, nn, FixedLossScaleManager
        >>>
        >>> net = Net()
        >>> # 1) 如果存在溢出，则不执行参数更新
        >>> loss_scale_manager = FixedLossScaleManager()
        >>> optim = nn.Momentum(params=net.trainable_params(), learning_rate=0.1, momentum=0.9)
        >>> model = Model(net, loss_scale_manager=loss_scale_manager, optimizer=optim)
        >>>
        >>> # 2) 即使发生溢出，也执行参数更新
        >>> loss_scale = 1024.0
        >>> loss_scale_manager = FixedLossScaleManager(loss_scale, False)
        >>> optim = nn.Momentum(params=net.trainable_params(), learning_rate=0.1, momentum=0.9, loss_scale=loss_scale)
        >>> model = Model(net, loss_scale_manager=loss_scale_manager, optimizer=optim)
    

get_drop_overflow_update()

        返回`drop_overflow_update`，该值表示是否在发生溢出时放弃本轮参数更新。

        返回：
            bool, `drop_overflow_update`的值。
        

get_loss_scale()

        获取loss scale值。

        返回：
            bool，`loss_scale`的值。
        

get_update_cell()

        返回用于更新`loss_scale`值的`Cell`实例，该实例将在:class:`mindspore.TrainOneStepWithLossScaleCell`中执行。

        返回：
            None或`Cell`。当`drop_overflow_update`为True时，返回:class:`mindspore.FixedLossScaleUpdateCell`实例，当`drop_overflow_update`为False时，返回None。
        

update_loss_scale(overflow)

        更新loss scale值。类:class:`mindspore.FixedLossScaleManager`中，该方法不执行任何操作。

        参数：
            overflow (bool)：表示是否溢出。