Kaggle模型训练：关联谷歌云盘保存进度及续训文件存放问题

一、关联谷歌云盘实现自动保存模型 #

Kaggle Notebook能通过以下步骤挂载谷歌云盘，实现类似Colab的持久化存储：

1. 安装云盘挂载依赖：

   !pip install google-colab
   

2. 导入模块并完成挂载授权：

   from google.colab import drive
   # 将云盘挂载到Kaggle可访问的路径，比如/kaggle/drive
   drive.mount('/kaggle/drive')
   

   执行后会弹出授权链接，按照提示完成账号验证即可完成挂载。
3. 训练时修改torch.save的存储路径，直接存到云盘目录：

   # 示例：将模型权重保存到云盘的指定文件夹
   torch.save(model.state_dict(), '/kaggle/drive/MyDrive/pytorch_checkpoints/my_model.pth')
   

   这样即使Kaggle会话结束，模型文件会留在你的谷歌云盘中，无需手动下载。

二、续训时state_dict的存放方案 #

不建议上传到Kaggle Dataset，推荐两种更高效的方式：

• 从挂载的谷歌云盘直接加载：续训时重新执行挂载步骤，直接读取云盘中的权重文件：

  model.load_state_dict(torch.load('/kaggle/drive/MyDrive/pytorch_checkpoints/my_model.pth'))
  

• 上传到Notebook的输入区：在Notebook的「Input」页面点击「Upload」按钮上传权重文件，文件会被放到/kaggle/input目录（该目录在会话中持久化，除非你手动删除），加载时直接读取：

  model.load_state_dict(torch.load('/kaggle/input/my-checkpoint-files/my_model.pth'))
  

内容的提问来源于stack exchange，提问作者Iliasp