首页
/ PyTorch Lightning中周期性保存模型检查点的正确方式

PyTorch Lightning中周期性保存模型检查点的正确方式

2025-05-05 13:27:05作者:曹令琨Iris

在PyTorch Lightning项目中使用ModelCheckpoint回调时,许多开发者会遇到一个常见误区:期望通过设置every_n_epochs参数就能自动保存多个训练过程中的模型检查点,但实际上却只得到了最后一个检查点文件。这种现象并非bug,而是由于对ModelCheckpoint工作机制理解不够深入导致的。

问题现象

开发者通常会这样配置检查点回调:

checkpoint_callback = ModelCheckpoint(
    dirpath='checkpoints/every_10_epochs',
    filename='epoch-{epoch:02d}',
    every_n_epochs=10,
)

预期是在训练过程中每10个epoch保存一个检查点(例如epoch 10、20、30等),但实际运行后发现只保存了最后一个检查点文件。

根本原因

这种现象源于ModelCheckpoint的默认行为:

  1. save_top_k参数默认为1,表示只保留"最优"的1个检查点
  2. 每次保存新检查点时,会自动删除之前的检查点
  3. 即使设置了every_n_epochs,由于save_top_k=1的限制,系统仍会只保留最新的一个检查点

解决方案

要实现真正周期性保存多个检查点的功能,需要同时配置两个参数:

checkpoint_callback = ModelCheckpoint(
    dirpath='checkpoints/every_10_epochs',
    filename='epoch-{epoch:02d}',
    every_n_epochs=10,
    save_top_k=-1,  # 保存所有检查点
)

其中:

  • every_n_epochs=10指定保存频率
  • save_top_k=-1表示保留所有生成的检查点文件(不删除任何检查点)

进阶配置选项

PyTorch Lightning的ModelCheckpoint提供了丰富的配置选项,可以根据不同需求灵活组合:

  1. 按指标保存最佳模型
ModelCheckpoint(
    monitor='val_loss',
    mode='min',
    save_top_k=3  # 只保留验证损失最小的3个检查点
)
  1. 结合周期性和最佳模型保存
ModelCheckpoint(
    every_n_epochs=5,
    save_top_k=3,
    monitor='val_acc',
    mode='max'
)
  1. 自定义文件名模板
ModelCheckpoint(
    filename='model-{epoch}-{val_loss:.2f}'
)

最佳实践建议

  1. 对于长期训练任务,建议同时配置周期保存和最佳模型保存
  2. 注意检查点文件会占用大量磁盘空间,特别是在保存所有检查点时
  3. 可以结合TensorBoard或MLFlow等工具记录训练过程,减少对检查点的依赖
  4. 对于生产环境,建议设置save_top_k为合理数值,避免磁盘空间耗尽

理解这些机制后,开发者就能更好地利用PyTorch Lightning的模型检查点功能,在训练过程中保存所需的关键节点模型状态。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (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
923
551
openHiTLSopenHiTLS
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
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
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
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8