pytorch lightning--ModelCheckpoint_pytorch lightning modelcheckpoint

本笔记主要以pytorch lightning中的ModelCheckpoint接口解析pytorch lightning中模型的保存方式

ModelCheckpoint

该类通过监控设置的metric定期保存模型，LightningModule 中使用 log() 或 log_dict() 记录的每个metric都是监控对象的候选者；更多的信息可以进入此链接浏览。训练完成后，在日志中使用 best_model_path 检索最佳checkpoint的路径，使用 best_model_score 检索其分数

pytorch_lightning.callbacks.ModelCheckpoint(dirpath=None, filename=None, monitor=None, verbose=False, save_last=None, save_top_k=1, save_weights_only=False, mode=‘min’, auto_insert_metric_name=True, every_n_train_steps=None, train_time_interval=None, every_n_epochs=None, save_on_train_epoch_end=None)

• dirpath（Union[str, Path, None]）–保存模型文件的路径；默认情况下，dirpath 为 None 并将在运行时设置为 Trainer 的 default_root_dir 或 weights_save_path 参数指定的位置，如果 Trainer 使用logger，则路径还将包含logger名称和版本

# custom path，自定义路径
# saves a file like: my/path/epoch=0-step=10.ckpt，文件名会自动由epoch和step构成
checkpoint_callback = ModelCheckpoint(dirpath='my/path/')
1
2
3

• filename（Optinal[str]）–checkpoint文件名；可以包含要自动填充的命名格式选项；默认情况下，文件名是 None 并将设置为 ‘{epoch}-{step}’

# save any arbitrary metrics like `val_loss`, etc. in name，将感兴趣的metrics保存在文件名中
# saves a file like: my/path/epoch=2-val_loss=0.02-other_metric=0.03.ckpt
checkpoint_callback = ModelCheckpoint(
...     dirpath='my/path',
...     filename='{epoch}-{val_loss:.2f}-{other_metric:.2f}'
... )
1
2
3
4
5
6

• monitor（Optional[str]）–被监控的值；默认情况下，它是 None ，它只为最后一个 epoch 保存一个检查点
• verbose（bool）–详细模式；默认为False
• save_last（Optional[bool]）–为True时，无论训练过程中是否有checkpoint文件保存，在训练结束后都会保存一个名为last.ckpt的checkpoint文件。这允许以确定的方式访问最新的checkpoint文件；默认为None
• save_top_k（int）–如果save_top_k=k，基于设置的检测对象，其最好的k个模型会被保存；如果save_top_k=0，没有模型会被保存；如果save_top_k=-1，所有模型都会保存。注意，监视器是每every_n_epochs个epoch会被检查一次。如果save_top_k>2并且在一次epoch多次调用回调，保存文件的名称将附加以 v1 开头的版本计数
• mode（str）–{min，max}其中之一。如果save_top_k> != 0，覆盖当前保存文件的决定是基于监控值的最大化或最小化做出的；如对于val_acc，应该越大越好，要设置max，而对于val_loss，应该越小越好，要设置为min
• auto_insert_metric_name（bool）–为True时，保存的checkpoint文件名会包含metric名称。例如，带有 epoch 1 和 acc 1.12 的 filename=‘checkpoint_{epoch:02d}-{acc:02.0f} 将解析为 checkpoint_epoch=01-acc=01.ckpt。当metric名称中含有’/'时，设置为False较好，否则会导致生成额外的文件夹，如filename=‘epoch={epoch}-step={step}-val_acc={val/acc:.2f}’, auto_insert_metric_name=False
• every_n_train_steps（Optional[int]）–checkpoint文件两次保存之间的step数。如果every_n_train_steps = None或every_n_train_steps = 0，在训练过程中不保存checkpoint文件。该值必须是None或非负值，并且 其必须与train_time_interval 和 every_n_epochs 互斥
• train_time_interval（Optional[timedelta]）–以指定的时间间隔监控检checkpoints；出于实际目的，不能小于处理单个训练批次所需的时间；不能保证在指定的确切时间执行，但应该接近。并且 其必须与every_n_train_steps 和 every_n_epochs 必须互斥
• every_n_epochs（Optional[int]）–checkpoints文件两次保存之间的epoch数；必须是None或非负值；将其设置为every_n_epochs=0可以禁止save_top_k；此参数不影响 save_last=True 检查点的保存；如果every_n_epochs，every_n_train_steps和train_time_interval都为None，将在每个epoch结束时保存一个checkpoint文件（相当于every_n_epochs=1）；如果every_n_epochs=None，且every_n_train_steps != None或train_time_interval != None时，在每个epoch结束时保存保存失效，（相当于every_n_epochs=0）；every_n_epochs必须与every_n_train_steps 和 train_time_interval 互斥
• save_on_train_epoch_end（Optional[bool]）–是否在训练周期结束时运行检查点。如果是 False，则检查在验证结束时运行

简单案例代码

>>> from pytorch_lightning import Trainer
>>> from pytorch_lightning.callbacks import ModelCheckpoint

# saves checkpoints to 'my/path/' at every epoch
>>> checkpoint_callback = ModelCheckpoint(dirpath='my/path/')
>>> trainer = Trainer(callbacks=[checkpoint_callback])

# save epoch and val_loss in name
# saves a file like: my/path/sample-mnist-epoch=02-val_loss=0.32.ckpt
>>> checkpoint_callback = ModelCheckpoint(
...     monitor='val_loss',
...     dirpath='my/path/',
...     filename='sample-mnist-{epoch:02d}-{val_loss:.2f}'
... )

# save epoch and val_loss in name, but specify the formatting yourself (e.g. to avoid problems with Tensorboard
# or Neptune, due to the presence of characters like '=' or '/')
# saves a file like: my/path/sample-mnist-epoch02-val_loss0.32.ckpt
>>> checkpoint_callback = ModelCheckpoint(
...     monitor='val/loss',
...     dirpath='my/path/',
...     filename='sample-mnist-epoch{epoch:02d}-val_loss{val/loss:.2f}',
...     auto_insert_metric_name=False
... )

# retrieve the best checkpoint after training
checkpoint_callback = ModelCheckpoint(dirpath='my/path/')
trainer = Trainer(callbacks=[checkpoint_callback])
model = ...
trainer.fit(model)
checkpoint_callback.best_model_path  # 直接获取最好的模型保存的路径
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

同时保存和恢复多个checkpoint的回调是支持的，可浏览官方文档学习使用

模型手动保存

model = Pytorch_Lightning_Model(args)
train.fit(model)
train.save_checkpoint(example.ckpt)
1
2
3