【PyTorch Lightning】.ckpt 是什么？里面有什么？

1. 什么是检查点（checkpoint, ckpt）？

当模型在训练过程中时，随着其不断接收更多数据，其性能也会发生变化。在训练过程中保存模型的状态是一种最佳实践。这样可以在开发模型的过程中，在每个关键点上获得模型的一个版本，即一个检查点。一旦训练完成，您可以使用在训练过程中找到的性能最佳的检查点。

检查点还使得训练在中断的情况下可以从中断的地方恢复。

PyTorch Lightning 检查点在普通的 PyTorch 中完全可用。

2. .ckpt 检查点文件里面有什么？

一个 Lightning 检查点包含了模型的整个内部状态的转储。与普通的 PyTorch 不同，Lightning 保存了你在最复杂的分布式训练环境中恢复模型所需的一切。

在 Lightning 检查点中，您会找到：

• 16 位精度训练的缩放因子（如果使用 16 位精度训练）
• 当前的 epoch
• 全局步数
• LightningModule 的 state_dict
• 所有优化器的状态
• 所有学习率调度器的状态
• 所有回调函数的状态（用于有状态回调函数）
• 数据模块的状态（用于有状态数据模块）
• 用于创建模型的超参数（初始参数）
• 用于创建数据模块的超参数（初始参数）
• 循环的状态

3. state_dict 是什么？

nn.Module 的模型权重，具体使用方法如下。

Lightning checkpoints 完全兼容普通的 torch nn.Modules。

checkpoint = torch.load(CKPT_PATH)
print(checkpoint.keys())

例如，假设像下面这样创建了一个 LightningModule：

class Encoder(nn.Module):
    ...


class Decoder(nn.Module):
    ...


class Autoencoder(L.LightningModule):
    def __init__(self, encoder, decoder, *args, **kwargs):
        super().__init__()
        self.encoder = encoder
        self.decoder = decoder


autoencoder = Autoencoder(Encoder(), Decoder())

一旦autoencoder训练完成，就可以提取出与 torch nn.Module 相关的权重。

checkpoint = torch.load(CKPT_PATH)
encoder_weights = {k: v for k, v in checkpoint["state_dict"].items() if k.startswith("encoder.")}
decoder_weights = {k: v for k, v in checkpoint["state_dict"].items() if k.startswith("decoder.")}

官方文档：https://lightning.ai/docs/pytorch/stable/common/checkpointing_basic.html