高级主题检查点
从 Checkpoint 恢复训练
这一页对应 mint-quickstart 中的 advanced/checkpoint.py resume。
推荐恢复形状
如果你要真正续训，需要先创建一个新的、形状一致的 LoRA training client，然后用带 optimizer 的接口加载 checkpoint：
training_client = service_client.create_lora_training_client(
base_model=model,
rank=rank,
train_mlp=True,
train_attn=True,
train_unembed=True,
)
training_client.load_state_with_optimizer(resume_path).result()这就是 advanced/checkpoint.py resume --with-optimizer 使用的形状。不要把 load_state(...) 说成完整续训；它只加载 weights，会重置 optimizer state。
两种恢复模式
- 连 optimizer 一起恢复：真实续训时推荐使用。它使用
create_lora_training_client(...)加load_state_with_optimizer(path)，并要求MINT_BASE_MODEL、MINT_LORA_RANK和 LoRA 选项与保存时一致。 - 仅恢复权重：适合不关心 optimizer state 的情况。脚本会先尝试
create_training_client_from_state(path)自动识别 model/rank；如果对原始 checkpoint 路径做 metadata 查询时返回404，就回退到create_lora_training_client(...) + load_state(path)，并使用MINT_BASE_MODEL/MINT_LORA_RANK（或默认值）。
按所在区域选择 MinT 域名：
- 境内：
https://mint-cn.macaron.xin/ - 境外：
https://mint.macaron.xin/
命令
# 连 optimizer 一起恢复
export MINT_API_KEY=sk-...
export MINT_BASE_MODEL=Qwen/Qwen3-0.6B
export MINT_LORA_RANK=16
python advanced/checkpoint.py resume tinker://<run-id>/weights/<checkpoint-name> --with-optimizer --steps 3
# 仅恢复权重；optimizer 会重置
export MINT_API_KEY=sk-...
python advanced/checkpoint.py resume tinker://<run-id>/weights/<checkpoint-name>常用参数：
--with-optimizer：保留 optimizer state--steps：恢复后继续跑多少个 SFT step--lr：这些 step 使用的学习率--save-name：恢复完成后新保存的 checkpoint 名称
核心 API
# 完整续训：weights + optimizer state
training_client = service_client.create_lora_training_client(
base_model=model,
rank=rank,
train_mlp=True,
train_attn=True,
train_unembed=True,
)
training_client.load_state_with_optimizer(resume_path).result()
# 仅加载 weights：optimizer state 会重置
training_client = service_client.create_lora_training_client(base_model=model, rank=rank)
training_client.load_state(resume_path).result()预期输出
[resume] path=tinker://.../weights/my-ckpt-state with_optimizer=True steps=3
[resume] fallback to explicit training client: model=Qwen/Qwen3-0.6B rank=16
[resume] loading state from tinker://.../weights/my-ckpt-state...
[resume] loaded, running 3 SFT step(s)...
[resume] step 1/3 done
[resume] saved: tinker://.../weights/resumed-checkpoint常见失败
- checkpoint 路径不存在或无效
- 使用
--with-optimizer时，没有匹配的MINT_BASE_MODEL/MINT_LORA_RANK - checkpoint 的 adapter 形状与新 client 不匹配
- 当前账号下 base model 不可用
- 用了
load_state(...)，但实际期待的是保留 optimizer 的完整续训