DeepXDE调用model.restore报错：传入路径非有效checkpoint

核心问题分析 #

你的错误根源有两个：

1. 检查点未生成：你设置的ModelCheckpoint(period=100)意味着每100个训练步才保存一次检查点，但训练日志显示你只跑了10个步（Best model at step 10），根本没触发保存操作，自然找不到model.ckpt-100文件。
2. 步数计算错误：你用np.argmin(model.losshistory.loss_test)*100拼接步数，但np.argmin返回的是loss列表的索引（比如你的loss_test有2个元素，索引为0和1），乘以100得到的数值和实际训练步数完全不匹配，导致路径指向一个不存在的文件。

具体修复步骤 #

1. 调整检查点保存策略

修改ModelCheckpoint参数，确保训练过程中能生成检查点：

checker = dde.callbacks.ModelCheckpoint(
    save_dir + save_str + "/model.ckpt", 
    save_better_only=True,  # 自动保存最优模型，无需手动计算步数
    period=10  # 匹配你的训练步数，每10步保存一次，确保覆盖最优步
)

如果想只保存最优模型，save_better_only=True会自动在loss下降时保存，不需要依赖period。

2. 正确恢复模型

不要手动拼接步数路径，直接用以下两种可靠方式：

• 方式一：用检查点前缀恢复（TensorFlow会自动识别最新/最优的检查点文件）

model.restore(save_dir + save_str + "/model.ckpt", verbose=0)

• 方式二：用train_state直接获取最优步（最准确，避免路径拼接错误）

model.restore(train_state.best_step, verbose=0)

train_state是model.train()返回的对象，已经记录了最优模型对应的训练步，直接传入restore即可。

3. 路径规范检查

确保路径拼接时不要混用./，统一用/分隔，避免生成类似xxx./model.ckpt的非法路径。

额外排查点 #

• 训练结束后，手动去save_dir + save_str目录下查看，确认是否生成了.ckpt.data、.ckpt.index、.ckpt.meta这类检查点文件，如果没有，说明保存逻辑未触发，检查period是否大于训练总步数。
• 你看到的TensorFlow deprecated警告不影响当前问题，是DeepXDE兼容旧版本TF的提示，无需处理。

是否需要去DeepXDE平台提问？ #

当前问题属于代码逻辑错误（保存策略、路径计算），按上述修改即可解决。如果修改后仍出现检查点不存在的问题，再去DeepXDE讨论区提问，提问时附上：

• 修改后的代码片段
• 训练目录下的文件列表截图
• 完整的报错日志

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