如何在Python中利用PyTorch的Checkpoints技术训练超大规模网络？
PyTorchcheckpoint通过重算激活值节省40%-60%显存，代价是训练速度降低20%-30%。需设use_reentrant=False，规避闭包、Dropout状态及输入梯度问题。与FSDP混用时，checkpoint应包裹在子模块内而非整体。
显存不够用的时候，torch.utils.checkpoint 可以说是最直接、侵入性最小的解决方案——它不需要改模型结构，不依赖多卡，也不强制分布式。核心思路很简单：用重算激活值来换显存，通常能省下 40% 到 60% 的显存，代价是训练速度会慢 20% 到 30%。
什么时候该用 checkpoint() 而不是 checkpoint_sequential()
选哪个取决于你的模型结构。如果你很清楚哪几层是“吃内存大户”，而且它们能封装成独立的函数，那就用 checkpoint()，它更灵活——可以嵌套，可以带条件逻辑，甚至支持自定义前向逻辑（比如跳过 dropout）。反过来，如果你的模型是纯 nn.Sequential 或者模块列表，想按层数粗粒度切分（比如每 4 层一组），那 checkpoint_sequential() 更省事，但它的局限性也很明显：只认顺序执行的模块，不能处理分支（if）、循环（for）或者跨层依赖（比如残差连接需要额外传参）。
这里有个关键细节：两者都要求 use_reentrant=False（PyTorch ≥ 1.11 默认就是这个值），否则在 torch.compile 或嵌套 checkpoint 的场景下，很容易碰到 RuntimeError: Trying to backward through the graph a second time 这个报错。
checkpoint() 的典型误用和修复方式
大多数人遇到的错误不是语法层面的，而是语义层面的——函数内部偷偷用了外部变量、没传全依赖的输入、或者 RNG 状态没对齐。举个例子，下面这种写法就是典型的坑：
- 错误写法：
def block(x): return self.norm(x) + self.ffn(x)—— 这里的self是闭包变量，反向重算时拿不到当前self.norm的状态。正确的做法是显式传参：def block(x, norm, ffn): return norm(x) + ffn(x)。 - 另一个常见遗漏：函数内如果有
nn.Dropout，必须确保preserve_rng_state=True（默认就是 True），否则重算时 dropout 行为不一致。千万不要手动关掉它。 - 还有输入张量的问题：
checkpoint要求所有*args是叶子张量且requires_grad=True，否则会报Expected all tensors to require gradients。检查一下你的输入是否来自torch.no_grad()上下文——如果是，那就会出问题。
与 FSDP / DDP 混用时的关键约束
checkpoint 和 FSDP 可以共存，但顺序和位置很重要：checkpoint 必须包裹在 FSDP 包装之后的子模块里，不能直接包裹整个 FSDP 实例。正确做法是先 model = FSDP(model)，然后对 model.transformer.layer[5] 单独加 checkpoint。反过来，如果先对原始模型加 checkpoint 再喂给 FSDP，FSDP 初始化阶段会因为计算图未就绪而失败。
和 DDP 混用没有硬性冲突，但要注意 DDP 的 find_unused_parameters=True 可能会和 checkpoint 内部的梯度路径检测冲突。建议关掉这个参数，改用 Hugging Face Transformers 封装的 gradient_checkpointing_enable()。另外，一个性能提醒：checkpoint + FSDP 会放大通信等待时间，因为重算激活期间 GPU 在空转。可以配合 backward_prefetch=BackwardPrefetch.BACKWARD_PRE 来缓解。
真正容易被忽略的点
最后说一个很多人容易误解的地方：checkpoint 只节省中间激活的显存，不节省权重本身的显存。如果你的模型参数本身就超了显存（比如 7B 模型放不进 24G 卡），那它救不了你——这时候必须上 FSDP、TP 或者量化。另外，torch.compile 和 checkpoint 默认不兼容，除非显式启用 use_reentrant=False 并禁用部分优化（比如 dynamic=True 会报错）。这些细节如果不注意，调试起来会很头疼。
正软商城本月促销专区，汇集办公、设计、安全、影音、系统工具及AI软件等正版软件优惠活动，提供限时折扣、特价授权和优惠购买信息，活动库存及价格以页面实时展示为准。
正软商城装机必备专区，精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件，帮助用户快速完成新电脑软件配置。
正软商城Windows软件专区，汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件，提供软件介绍、系统要求、正版授权及购买下载服务。
正软商城macOS软件专区，精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具，提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。
正软商城iOS软件专区，精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用，提供功能介绍、适用设备、系统要求和正版获取方式等信息。
正软商城AI软件专区，汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具，提供功能介绍、适用平台、收费方式及正版购买信息。
正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法，同时介绍常用PDF软件和工具的使用技巧。
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
