torch.utils.checkpoint 是 PyTorch 中用于实现 梯度检查点（gradient checkpointing）的模块。它通过在反向传播中 重新计算 前向传播的某些部分，以显著减少激活值的显存占用。

梯度检查点的核心原理

• 在前向传播中，不是保存每一层的激活值，而是保存输入和部分中间结果。
• 在反向传播时，重新计算需要的前向激活值。
• 优势：
  • 显存占用减少：适合超大模型的训练。
• 劣势：
  • 计算量增加：反向传播时需要额外的前向计算。

核心API

1. torch.utils.checkpoint.checkpoint

torch.utils.checkpoint.checkpoint 是 PyTorch 提供的一种 内存优化工具，通过 计算图重新计算 的方式来节省显存。它特别适用于深度学习中 大模型或长序列 的训练场景，能够在不降低模型性能的情况下减少显存使用。

工作原理

1. 标准前向传播：

   • 默认情况下，PyTorch 在前向传播过程中，会存储中间激活值以供反向传播使用。
   • 如果模型层数很多或者中间激活值占用大量显存，会导致显存不足。

2. 检查点机制：

   • 在前向传播时，torch.utils.checkpoint.checkpoint 会丢弃某些中间激活值（未存储在显存中）。
   • 在反向传播时，丢弃的中间激活值会通过 重新计算前向传播 来生成。
   • 通过这种方式，显存的占用降低，但会增加一些前向计算的开销。

函数签名：

torch.utils.checkpoint.checkpoint(function, *args, use_reentrant=True)

参数

• function:
  • 前向传播的函数，必须是纯函数（只依赖输入，不依赖外部状态）。
• *args:
  • 传递给 function 的参数。
• use_reentrant (默认值为 True):
  • 如果设置为 True，使用旧的递归检查点实现；如果为 False，启用非递归实现，推荐设置为 False 来避免潜在问题。

优缺点

优点

节省显存：

• 丢弃中间激活值后，显存占用显著降低，适合训练大模型。

适配性强：

• 不需要修改模型结构，只需在关键的计算图中插入检查点即可。

返回值

output:

• 前向传播的结果。

使用场景

大模型的训练：

• 模型层数较多，激活值占用大量显存时&#