dw网站建设基本流程百度搜索推广创意方案
PyTorch Lightning 提供了一些 内置回调 (Callback)，可以在训练过程中自动执行 检查点保存、学习率调度、早停 等功能。通过使用 Trainer(callbacks=[...]) 来传入这些回调。
PyTorch Lightning 的 Callback 是一种强大的工具，允许用户在训练过程中插入自定义逻辑，而无需修改核心的训练代码。Callback 的设计基于钩子（hooks），在训练流程的特定点执行自定义代码。
1. 内置回调列表
PyTorch Lightning 内置了以下 Callbacks（可以直接使用，无需自定义）：
| 回调名称 | 功能 |
|---|---|
ModelCheckpoint | 自动保存最佳模型（基于验证指标） |
EarlyStopping | 自动停止训练（当验证指标不再改善时） |
LearningRateMonitor | 记录学习率变化（支持 TensorBoard & WandB） |
RichProgressBar | 使用 rich 库美化训练进度条 |
TQDMProgressBar | 默认的 tqdm 进度条 |
DeviceStatsMonitor | 监控 GPU/CPU 使用情况 |
BatchSizeFinder | 自动寻找最优 batch size |
GradientAccumulationScheduler | 自动调整梯度累积步数 |
ModelSummary | 打印模型结构和参数量 |
StochasticWeightAveraging (SWA) | 使用 SWA 进行权重平均，提高泛化能力 |
2. 详细介绍 & 代码示例
（1）ModelCheckpoint - 自动保存最佳模型
用于 自动保存模型检查点（ckpt），可以： ✅ 保存最佳模型（基于某个指标，如 val_loss）。
✅ 定期保存（如每 n 个 epoch 保存一次）。
✅ 限制最大检查点数量（避免磁盘占用过大）。
📜 示例：
from lightning.pytorch.callbacks import ModelCheckpoint# 仅保存最优模型 (基于 val_loss)
check