检查点（Checkpoint）
检查点（Checkpoint）是什么？
检查点是已训练 AI 模型的一个保存版本，你可以加载并使用它（或从它继续训练）而无需从头开始。
一图看懂
- 别称
- 模型权重模型快照保存的模型
- 主要用途
- 保存训练进度共享预训练模型微调特定风格的生成
- 常用工具
- Stable diffusionComfyUIAutomatic1111Hugging face
- 相关术语
- LoRAFine-tuningDiffusion modelModel weightsBase model
准备好开始创作了吗？
执导场景、设计角色、完成整部影片
一站式 AI 创作平台，定价简单透明，无速度节流，搭配无限 Canvas，让创作发挥到极致。
对比与差异
Compared with related concepts
检查点与 LoRA：检查点是包含所有学习到的权重的完整保存模型，而 LoRA 是一个小型附加文件，在不替换基础检查点的情况下修改其行为。检查点定义核心能力和美学；LoRA 对其进行细化或重定向。
可以这样理解…
检查点就像电子游戏中的存档：它精确记录你所处的位置，让你日后能回到那一点、与他人分享，或从那里继续，而不必从头重新玩一遍。正如不同存档代表游戏进度中的不同时点，不同检查点代表模型训练的不同阶段或专门化方向。
实用提示
构建 AI 图像或视频工作流时，先选好你的基础检查点：它设定了之后一切内容的视觉基因。写实检查点搭配电影感 LoRA，通常比试图把一个风格化插画检查点往写实方向引导能产出更好的结果。
类型与变体
检查点会因在训练过程中保存的位置而有相当大的差异。基础检查点代表一个具备宽泛通用能力、已完整训练的基础模型，而微调检查点则在特定数据集上进一步训练以使其输出专门化。合并检查点将两个或更多模型的权重组合到单个文件中，融合其风格或能力。在某些流水线中，部分检查点或增量检查点只存储相对于基础模型的变化，从而减小文件体积。EMA（指数移动平均）检查点保存权重的一个平滑版本，其输出往往比原始训练检查点更稳定、更一致。
准备好在 Morphic 里做第一个场景了吗？
试用 Morphic常见使用场景
每当需要加载预训练 AI 模型进行推理、与其他用户共享，或作为进一步训练的起点时，就会用到检查点。在图像生成工作流中，创作者选择检查点来定义输出的视觉风格：例如为产品渲染选择写实检查点，或为概念美术选择插画检查点。在视频生成流水线中，检查点支撑着工具所用的基础模型。微调者以现有检查点为起点在自定义数据集上训练，为特定角色、环境或美学制作专门化模型。
准备好开始创作了吗？
执导场景、设计角色、完成整部影片
一站式 AI 创作平台，定价简单透明，无速度节流，搭配无限 Canvas，让创作发挥到极致。
常见问题（FAQ）
检查点是包含已训练 AI 模型全部学习权重的文件。加载检查点会得到一个即用型模型，无需任何额外训练即可生成图像或视频。
检查点是包含所有参数的完整模型文件。LoRA 是一个小型补充文件，用于调整或增补现有检查点的行为。运行生成始终需要检查点；LoRA 是可选的附加项。
可以：共享检查点在开源 AI 社区中很常见。Hugging Face 和 Civitai 等站点托管了数以千计可供下载的社区训练检查点，不过在商业项目中使用前，你应始终检查其授权条款。
检查点文件存储模型的所有数值权重，对大型模型而言可达数十亿个。即便是 safetensors 这类压缩格式，文件大小也可能从图像模型的数 GB 到大型语言模型的数百 GB 不等。
从检查点微调指以预训练模型的保存权重为起点，继续在新数据上训练。这比从头训练高效得多，因为模型已具备宽泛的知识，只需进行专门化即可。
常见格式包括 .ckpt（原始 PyTorch 检查点格式）、.safetensors（在 Stable Diffusion 生态中广泛使用、更安全更快的替代格式），以及 .pt 或 .pth 文件。由于安全和速度上的优势，safetensors 格式现已成为共享时的普遍首选。
这一概念适用于大多数基于深度学习的工具，但并非所有工具都直接向用户暴露检查点。面向消费者的平台如 Runway 或 Kling 把模型选择抽象隐藏起来，而 ComfyUI 这类开源工具则允许用户直接加载特定的检查点文件。
