有关混合精度训练的问题

[zzhdbw]

作者您好，阅读了您train文件，发现其中的模型加载后权重都以float16的形式存在，但是在训练过程中并没有发现您使用混合精度训练。而是使用了torch.nn.utils.clip_grad_norm_(model.parameters(), 1.0)代码解决问题。
在我自己的实验代码中，发现如果模型加载成float16格式，不使用梯度裁剪就训练的情况下，一定会出现loss为nan的情况，而要使用torch的amp混合精度训练的情况下，则必须先将模型转换成float32形式，此时就涉及到了模型保存时权重过大的问题（相比于原始权重空间翻倍）。
对此我想咨询如下几个问题：
1.仅使用梯度裁剪的方式可行吗，这种方式会不会使得模型学习的不好。
2.为什么您没有使用混合精度训练，是因为没必要还是todo的原因。
3.有没有什么方法能够解决上述权重保存空间翻倍的问题。
期待您的回复。