《Born》第14章:模型序列化、检查点与版本管理

格式 扩展名 用途 特点 ------ -------- ------ ------ Born 原生 .born 生产部署 紧凑、加载快、版本兼容 SafeTensors .safetensors 与 HuggingFace 互操作 安全、防注入 GGUF .gguf LLM 模型 llama.cpp 标准格式

目录
  1. 三种格式
  2. 保存与加载
  3. 检查点(Checkpoint)
  4. 版本兼容性

训练好的模型需要保存。Born 提供了三种保存格式,各有适用场景。


三种格式

格式扩展名用途特点
Born 原生.born生产部署紧凑、加载快、版本兼容
SafeTensors.safetensors与 HuggingFace 互操作安全、防注入
GGUF.ggufLLM 模型llama.cpp 标准格式

保存与加载

// 保存
nn.Save(model, "mnist_model.born", "MNISTClassifier", metadata)

// 加载
meta, err := nn.Load("mnist_model.born", backend, &model)


检查点(Checkpoint)

// 保存训练状态(模型 + 优化器 + epoch)
nn.SaveCheckpoint(model, optimizer, "checkpoint_epoch_10.born", epoch, step, loss)

// 恢复训练
epoch, step, loss, err := nn.LoadCheckpoint("checkpoint_epoch_10.born", backend, &model, &optimizer)


版本兼容性

Born 的序列化格式包含版本信息:

[BORN][version:2][model_name][metadata_json][tensor_count][tensors...]

加载时自动检测版本,旧版本格式会触发升级路径。


📘 《Born》连载技术书,第 14/22 章。

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(0)

暂无回复,登录后可参与讨论
合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens