Stable Baselines3中实现仅保留最近K个检查点的技术方案
2025-05-22 12:02:42作者:沈韬淼Beryl
背景介绍
在使用Stable Baselines3进行强化学习模型训练时,CheckpointCallback是一个常用的回调函数,它能够定期保存训练过程中的模型检查点。然而,随着训练时间的增长,这些检查点会不断累积,占用大量存储空间。许多情况下,我们只需要保留最近的几个检查点即可。
现有问题分析
Stable Baselines3内置的CheckpointCallback目前不支持自动删除旧检查点的功能。这意味着:
- 长期训练会产生大量检查点文件
- 手动删除旧检查点既麻烦又容易出错
- 存储空间可能被不必要的旧检查点占满
解决方案实现
我们可以通过自定义回调函数来实现仅保留最近K个检查点的功能。以下是实现这一功能的技术细节:
核心思路
- 使用最小堆(Min-Heap)数据结构来管理检查点
- 每次保存新检查点时将其加入堆
- 当堆大小超过K时,弹出并删除最早的检查点
代码实现
from heapq import heappop, heappush
class KeepLastKCheckpoints(BaseCallback):
def __init__(self, k: int, save_freq: int, save_path: str, name_prefix: str = "rl_model", verbose: int = 0):
super().__init__(verbose)
self.k = k
self.save_freq = save_freq
self.save_path = save_path
self.name_prefix = name_prefix
# 使用最小堆存储检查点,按时间步排序
self._ckpt_heap = []
def _checkpoint_path(self, checkpoint_type: str = "", extension: str = "") -> str:
# 生成检查点路径
return os.path.join(self.save_path, f"{self.name_prefix}_{checkpoint_type}{self.num_timesteps}_steps.{extension}")
def _on_step(self) -> bool:
# 跟踪CheckpointCallback的触发
if self.n_calls % self.save_freq == 0:
heappush(self._ckpt_heap, (self.num_timesteps, self._checkpoint_path(extension="zip")))
if len(self._ckpt_heap) > self.k:
_, ckpt_name = heappop(self._ckpt_heap)
os.remove(ckpt_name)
return super()._on_step()
实现要点
- 堆数据结构选择:使用最小堆可以高效地获取最早的检查点
- 路径生成:复用CheckpointCallback的路径生成逻辑
- 同步问题:需要确保该回调在CheckpointCallback之后执行
使用建议
- 将此回调添加到回调列表中时,确保它位于CheckpointCallback之后
- 根据实际需求调整K值,平衡存储空间和检查点保留需求
- 对于长时间训练,建议设置合理的K值(如5-10)
潜在改进方向
虽然当前实现可以满足基本需求,但仍有改进空间:
- 与CheckpointCallback集成:可以考虑将这一功能直接整合到CheckpointCallback中
- 更灵活的删除策略:不仅基于数量,还可以考虑基于时间或性能指标
- 错误处理:增加对文件删除失败的处理逻辑
总结
通过自定义回调函数实现仅保留最近K个检查点的功能,可以有效解决长期训练中检查点累积的问题。这种方案实现简单,对现有代码侵入性小,是当前Stable Baselines3框架下较为理想的解决方案。未来如果社区需求增加,可以考虑将其作为标准功能集成到CheckpointCallback中。
登录后查看全文
热门项目推荐
相关项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K

deepin linux kernel
C
22
6

React Native鸿蒙化仓库
C++
192
274

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511