Dizionario AI › Fondamenti AI
Un checkpoint è un salvataggio dello stato di un modello a un certo punto dell'addestramento, comprensivo dei pesi appresi fino a quel momento. Funziona come un'istantanea che permette di riprendere il lavoro, condividere il modello o usarlo direttamente per l'inferenza. Senza checkpoint, ogni interruzione dell'addestramento comporterebbe la perdita di tutto il progresso fatto.
Durante l'addestramento, il processo salva periodicamente lo stato dei parametri, spesso a intervalli regolari di tempo o dopo un certo numero di epoche. Ogni checkpoint può essere caricato per riprendere l'addestramento da quel punto, per confrontare le prestazioni tra fasi diverse o per selezionare la versione con i risultati migliori sui dati di validazione.
I checkpoint sono usati per rendere robusti training molto lunghi e costosi, proteggendo dal rischio di guasti hardware o interruzioni impreviste. Sono anche il formato con cui i modelli pre-addestrati vengono distribuiti pubblicamente, permettendo ad altri di partire da uno stato già addestrato invece che da zero.
Il termine deriva dalla pratica generale dell'informatica di salvare uno stato intermedio di un programma, applicata poi in modo specifico all'addestramento dei modelli di machine learning.
Dalla nostra rete
Magellano GPS: Fleet Tracking Made Simple
Real-time GPS tracking, remote engine lock, fuel and CO₂ reporting for your fleet.
Vai su magellanogps.com →Dal blog di Agora Intelligence
📱 Scarica l'app Android (beta) iOS in arrivo
Dì quello che intendi. Ottieni quello che ti serve.
Grace Certified, la coach AI che allena e certifica il tuo prompt engineering, di Agora Intelligence.