在PyTorch中，FP8（8-bit 浮点数）是一个较新的数据类型，用于实现高效的神经网络训练和推理。它主要被设计来降低模型运行时的内存占用，并加快计算速度，同时尽量保持训练和推理的准确性。虽然PyTorch官方在标准发布中尚未全面支持FP8，但是在2.2版本中PyTorch已经包含了对FP8的“有限支持”并且出现了2个新的变量类型，
torch.float8_e4m3fn
和
torch.float8_e5m2
，而H100也支持这种类型，所以这篇文章我们就来介绍如何使用FP8来提高训练效率
https://avoid.overfit.cn/post/0dd1fba546674b48b932260fa8742971
标签：总结,训练,torch,PyTorch,float8,推理,FP8 From： https://www.cnblogs.com/deephub/p/18210184