2021-12-02 09:29:36 +08:00
|
|
|
|
.. py:class:: mindspore.train.callback.ModelCheckpoint(prefix='CKP', directory=None, config=None)
|
|
|
|
|
|
|
|
|
|
|
|
checkpoint的回调函数。
|
|
|
|
|
|
|
|
|
|
|
|
在训练过程中调用该方法可以保存训练后的网络参数。
|
|
|
|
|
|
|
2021-12-04 20:36:47 +08:00
|
|
|
|
.. note::
|
2021-12-02 09:29:36 +08:00
|
|
|
|
在分布式训练场景下，请为每个训练进程指定不同的目录来保存checkpoint文件。否则，可能会训练失败。
|
|
|
|
|
|
|
|
|
|
|
|
**参数：**
|
|
|
|
|
|
|
|
|
|
|
|
- **prefix** (str) - checkpoint文件的前缀名称。默认值：CKP。
|
|
|
|
|
|
- **directory** (str) - 保存checkpoint文件的文件夹路径。默认情况下，文件保存在当前目录下。默认值：None。
|
|
|
|
|
|
- **config** (CheckpointConfig) - checkpoint策略配置。默认值：None。
|
|
|
|
|
|
|
|
|
|
|
|
**异常：**
|
|
|
|
|
|
|
|
|
|
|
|
- **ValueError** - 如果前缀无效。
|
|
|
|
|
|
- **TypeError** - config不是CheckpointConfig类型。
|
2021-12-04 20:36:47 +08:00
|
|
|
|
|
2021-12-02 09:29:36 +08:00
|
|
|
|
.. py:method:: end(run_context)
|
|
|
|
|
|
|
|
|
|
|
|
在训练结束后，会保存最后一个step的checkpoint。
|
|
|
|
|
|
|
|
|
|
|
|
**参数：**
|
|
|
|
|
|
|
2021-12-04 20:36:47 +08:00
|
|
|
|
- **run_context** (RunContext) - 包含模型的一些基本信息。
|
2021-12-02 09:29:36 +08:00
|
|
|
|
|
|
|
|
|
|
.. py:method:: latest_ckpt_file_name
|
|
|
|
|
|
:property:
|
|
|
|
|
|
|
|
|
|
|
|
返回最新的checkpoint路径和文件名。
|
|
|
|
|
|
|
|
|
|
|
|
.. py:method:: step_end(run_context)
|
|
|
|
|
|
|
|
|
|
|
|
在step结束时保存checkpoint。
|
|
|
|
|
|
|
|
|
|
|
|
**参数：**
|
2021-12-04 20:36:47 +08:00
|
|
|
|
|
|
|
|
|
|
- **run_context** (RunContext) - 包含模型的一些基本信息。
|
