【背景】
最近接触了Transformer(s)，但是受制于GPU显存，batch_size调不大，不能很好地复现原始的code，机缘巧合下，看到了Apex这个好东西（trick）。也看到不少的复现代码用到了这个trick。花了点时间，看了一下基本文档，顺带搬运过来，供今后查看。
【Apex介绍】
Nvidia Apex是由Nvidia公司维护的一套实用工具包，用于简化Pytorch的下游任务，故大部分代码是由Torch底层组成。对torch用户非常友好。这套工具包的用途基本概括为两项(其实有四项)：
-
自动混合精度（Auto Mix Precision）
-
分布式训练（Distributed Training）
【安装指南】
官方安装文档：https : //github.com/NVIDIA/apex#quick-start
在文档中，我们可以大概总结出其需求：
-
Python3
-
CUDA 9.0 或者更高版本
-
PyTorch 0.4 或者更高版本（其中，CUDA 和C++扩展程序需要PyTorch 1.0 或者更高版本）
建议使用最新的PyTorch版本：https://pytorch.org/ 或者Pytorch的分支版本：https://github.com/pytorch/pytorch
嫌麻烦的，官方提供了Docker容器：
1、NGC的Nvidia Pytorch容器：容器中预装了Apex，如果要使用最新的Amp API, 还需要在这个容器中输入
pip uninstall apex
然后使用下面的Quick Start重新安装Apex
2、Pytoch官方的Dockerfiles:
docker pull pytorch/pytorch:nightly-devel-cuda10.0-cudnn7
然后使用下面的Quick Start重新安装Apex
【Quick Start】
官方提供的Quick Start中提及到的非常简单，对于一般的Linux系统用以下三行shell命令即可解决：
git clone https://github.com/NVIDIA/apex cd apex pip install -v --disable-pip-version-check --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" ./
如果是Pytoch 0.4 则把第三行命令替换成如下：
pip install -v --disable-pip-version-check --no-cache-dir ./
但是使用这样方法的安装会使一些库使用不正常：
apex.optimizers.FusedAdam apex.normalization.FusedLayerNorm apex.parralel.SyncBatchNorm
其中：
apex.parallel.DistributedDataParallel apex.amp.DistributedDataParallel amp SyncBatchNorm
仍可用，但是相比之下会更慢一些。
【Windows支持】
Windows下的Apex仍处于实验阶段，仍建议使用Linux。但一般的：在Windows下替换第三条命令如下：
pip install -v --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext"
如果没装CUDA或者C++扩展程序，则替换如下：
pip install -v --no-cache-dir .
如果是用Anaconda，安装前确保Apex对应相应环境。
【一些潜在问题以及官方回应】
-
2020.11.04 安装RTX 3090提示不支持RTX架构：https://github.com/NVIDIA/apex/issues/988#issuecomment-726343453
-
没装GCC G++ Make，或者检查不过：https://github.com/NVIDIA/apex/issues/932
有空多看看issues…