• on_train_batch_start
• optimaze_step
  • training_step
  • on_before_zero_grad
  • scaler.scale(loss) 将loss放大
  • on_before_backward
  • model.backward 梯度反传
  • on_after_backward
  • scaler.unscale_(optimizer) 将grad还原
  • on_before_optimizer_step
  • _clip_gradients梯度裁剪
  • scaler.step(optimizer) 如果发现nan梯度，则optimizer跳过
  • scaler.update() 更新缩放器
• on_train_batch_end