詳細解釋
檢查點（Checkpointing）是保存模型狀態（參數、優化器狀態等）的技術，用於訓練恢復、模型版本管理和部署。
用途：
- 訓練恢復：
- 中斷後繼續
- 從最佳點重新開始
- 故障恢復
- 模型選擇：
- 保存最佳驗證性能模型
- 早停時使用
- 版本管理：
- 實驗追蹤
- 可重現性
- 部署：
- 導出推理模型
- 轉換格式（ONNX等）
保存內容：
- 模型參數（state_dict）
- 優化器狀態（繼續訓練）
- 輪數/步數
- 最佳驗證指標
- 損失曲線數據
策略：
- 定期保存：每N輪或N步
- 最佳保存：驗證改善時
- 最近N個：防止存儲爆炸
- 最後一個：最終模型
格式：
- 原生：PyTorch .pth, TF .h5
- 通用：ONNX、SafeTensors
- 優化：TensorRT、OpenVINO
檢查點是訓練管理的重要實踐。