如何从PyTorch-Lightning的ModelCheckpoint获取最优Checkpoint路径？

PyTorch Lightning的ModelCheckpoint回调自带了直接获取最优模型路径的属性，完全不需要手动用glob遍历目录：

• 单最优模型路径：当save_top_k=1时，直接调用checkpoint_callback.best_model_path，这个属性会返回验证指标最优的模型完整路径。
• Top-K所有模型路径：当save_top_k>1时，使用checkpoint_callback.best_k_models属性——这是一个字典，键为模型路径，值为对应的验证指标值，且已按指标优劣排序（排序规则由mode参数决定，比如mode="max"时指标越高排名越靠前）。提取字典的键就能得到所有Top-K模型的路径：

# 示例：定义并使用ModelCheckpoint
checkpoint_callback = ModelCheckpoint(
    filename="model_{epoch}-{val_acc:.2f}",
    save_top_k=3,
    monitor="val_acc",
    mode="max"
)

trainer = Trainer(callbacks=[checkpoint_callback])
trainer.fit(model)

# 获取Top-3模型路径（按val_acc从高到低排序）
top_k_paths = list(checkpoint_callback.best_k_models.keys())

补充说明 #

• 这些属性只有在训练结束后才会被正确赋值，训练过程中访问可能返回空值。
• 如果训练结束后重启程序，需要重新加载回调状态，可以用ModelCheckpoint.load_checkpoint()方法，加载后依然能访问上述属性：

from lightning.pytorch.callbacks import ModelCheckpoint

# 加载已保存的回调状态
checkpoint_callback = ModelCheckpoint.load_checkpoint("/path/to/callback_state.ckpt")
top_k_paths = list(checkpoint_callback.best_k_models.keys())

内容的提问来源于stack exchange，提问作者Daraan