“Checkpoint（检查点）”在不同领域和工具中的用法不太一样，下面我按最常见场景给你讲，你可以对号入座：
作用：保存训练过程中的模型参数，防止训练中断后从头再来。
# 保存
torch.save({
'epoch': epoch,
'model_state_dict': model.state_dict(),
'optimizer_state_dict': optimizer.state_dict(),
'loss': loss,
}, 'checkpoint.pth')
# 恢复
checkpoint = torch.load('checkpoint.pth')
model.load_state_dict(checkpoint['model_state_dict'])
optimizer.load_state_dict(checkpoint['optimizer_state_dict'])
epoch = checkpoint['epoch']
model.save_weights('checkpoint.ckpt')
model.load_weights('checkpoint.ckpt')
✅ 用法总结：定期存 → 崩了再读
作用：把内存中的状态写到磁盘，保证崩溃后可恢复。
作用：记录当前进度，方便调试或续跑
def train():
for step in range(1000):
if step % 100 == 0:
save_checkpoint(step)
你可以告诉我：
我可以直接给你对应的完整代码示例。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
