如何修改PyTorch Lightning中lr_find的检查点路径？

可以通过配置Trainer的参数指定lr_find临时检查点的存储路径，解决只读目录报错问题：

• 最直接的方式是初始化Trainer时设置default_root_dir为你有权限写入的指定文件夹，lr_find会自动将临时检查点存到该目录下。

示例代码：

from pytorch_lightning import Trainer
import logging

# 替换为你的可写入绑定挂载文件夹路径
WRITABLE_FOLDER = "/your/bind-mounted/writable/path"

# 初始化Trainer时指定默认根目录
trainer = Trainer(
    default_root_dir=WRITABLE_FOLDER,
    # 保留你原有的其他Trainer配置（如accelerator="gpu"等）
)

# 正常执行lr_find流程
res = trainer.tuner.lr_find(model, train_dataloaders=train_dataloader, val_dataloaders=val_dataloader, min_lr=1e-5)
logging.info(f"suggested learning rate: {res.suggestion()}")
model.hparams.learning_rate = res.suggestion()

如果不想全局设置默认根目录，也可以自定义ModelCheckpoint回调单独指定检查点存储路径：

from pytorch_lightning import Trainer
from pytorch_lightning.callbacks import ModelCheckpoint
import logging

WRITABLE_FOLDER = "/your/bind-mounted/writable/path"

# 自定义检查点回调，指定存储目录
checkpoint_callback = ModelCheckpoint(dirpath=WRITABLE_FOLDER)

trainer = Trainer(
    callbacks=[checkpoint_callback],
    # 其他Trainer配置
)

res = trainer.tuner.lr_find(model, train_dataloaders=train_dataloader, val_dataloaders=val_dataloader, min_lr=1e-5)
logging.info(f"suggested learning rate: {res.suggestion()}")
model.hparams.learning_rate = res.suggestion()

原理：lr_find运行时会自动生成临时检查点，默认存储路径由Trainer的default_root_dir或ModelCheckpoint的dirpath决定，将其指向可写入目录即可规避只读文件系统的报错。

内容的提问来源于stack exchange，提问作者chronosynclastic