约 1,240,000 个结果
在新选项卡中打开链接
  1. 其他用户还问了以下问题
    什么是checkpoint?
    什么是Checkpoint？ 在 机器学习 和深度学习中，checkpoint（检查点）是指在 模型训练 过程中保存的模型状态。 这些检查点通常包括模型的参数（权重和偏置）、优化器状态和其他相关的训练信息。 通过保存检查点，您可以在训练过程中定期保存模型的当前状态，以便在需要时恢复训练或用于模型评估和推理。 为什么需要Checkpoint？ 防止数据丢失：在长时间训练过程中，意外中断（如断电、系统崩溃等）可能导致训练进度丢失。 使用检查点可以防止这种情况，因为您可以从最后一个保存的检查点继续训练。 调试和优化：检查点允许您在不同训练阶段检查模型的性能，以确定最佳的训练参数和方法。 模型评估和推理：保存好的检查点可以用于模型评估和推理，而不需要每次都从头开始训练模型。

    什么是Checkpoint？_checkpoint模型-CSDN博客

    blog.csdn.net
    checkpoint 函数返回什么?
    checkpoint 函数接收一个函数和若干个输入，并返回该函数的输出。 这里将自定义的前向传递函数、输入的隐藏状态 hidden_states 、注意力掩码 attention_mask 和因果注意力掩码 causal_attention_mask 作为参数传递给了 checkpoint 函数，返回的是 encoder_layer 的输出。

    聊一下关于使用torch.utils.checkpoint.checkpoint （检查点

    zhuanlan.zhihu.com
    什么是检查点?
    这些检查点通常包括模型的参数（权重和偏置）、优化器状态和其他相关的训练信息。 通过保存检查点，您可以在训练过程中定期保存模型的当前状态，以便在需要时恢复训练或用于模型评估和推理。 为什么需要Checkpoint？ 防止数据丢失：在长时间训练过程中，意外中断（如断电、系统崩溃等）可能导致训练进度丢失。 使用检查点可以防止这种情况，因为您可以从最后一个保存的检查点继续训练。 调试和优化：检查点允许您在不同训练阶段检查模型的性能，以确定最佳的训练参数和方法。 模型评估和推理：保存好的检查点可以用于模型评估和推理，而不需要每次都从头开始训练模型。 迁移学习：通过加载预训练模型的检查点，您可以进行迁移学习，从而在新的数据集或任务上微调模型。 一个典型的检查点通常包含以下内容：

    什么是Checkpoint？_checkpoint模型-CSDN博客

    blog.csdn.net
    Checkpoint SCN可以从数据库中查询吗?
    Checkpoint SCN可以从数据库中查询得到： 在检查点完成之后，此检查点之前修改过的数据都已经写回磁盘，重做日志文件中的相应重做记录对于崩溃/实例恢复不再有用。 下图标记了3个日志组，假定在T1时间点，数据库完成并记录了最后一次检查点，在T2时刻数据库Crash。

    检查点（Checkpoint）的本质 - CSDN博客

    blog.csdn.net
    反馈
  3. 某些结果已被删除