Google Colab断开连接后程序是否继续执行？训练中断问题咨询

开发者阿泽

2026-5-27

解决Colab训练Keras CNN时断连后Checkpoint未保存到谷歌云盘的问题

兄弟，我太懂你这种Colab断连的憋屈了！之前训图像分类模型的时候，好几次熬到半夜断连，回头一看 checkpoint 没存上，心态直接崩了。结合你说的训练2个epoch后断连、云盘里没找到文件的情况，我给你梳理几个最可能的原因和解决办法：

先确认谷歌云盘是不是真的挂载成功了
Colab默认不会自动挂载你的云盘，要是没执行挂载命令，Keras其实是把文件存到了Colab的临时本地目录里，断连后直接就被清空了。挂载命令得这么跑：
```
from google.colab import drive
drive.mount('/content/drive')
```
执行时会弹出授权链接，一定要完成授权步骤，看到“Mounted at /content/drive”的提示才算挂载成功。

检查Checkpoint的保存路径是否正确
你得把路径指向云盘的挂载目录，不能用本地路径。比如要存到云盘里的Colab Notebooks/cnn_checkpoints文件夹，路径得这么写：

from keras.callbacks import ModelCheckpoint
import os

# 先创建目标文件夹，避免路径不存在导致保存失败
save_dir = '/content/drive/MyDrive/Colab Notebooks/cnn_checkpoints'
os.makedirs(save_dir, exist_ok=True)

# 设置Checkpoint，每个epoch结束后保存完整模型
checkpoint_path = os.path.join(save_dir, 'epoch_{epoch:02d}.h5')
checkpoint = ModelCheckpoint(
    checkpoint_path,
    save_freq='epoch',  # 确保每个epoch都保存
    save_best_only=False  # 别只存最优模型，先保证每个epoch都有备份
)

# 训练时把checkpoint加入回调列表
model.fit(train_generator, epochs=2, callbacks=[checkpoint])

这里要注意，save_best_only如果设为True，只有当验证集指标提升时才会保存，要是第二个epoch的指标没超过第一个，云盘里就只会有第一个epoch的文件。

断连时机可能卡在epoch中间
ModelCheckpoint是在整个epoch完全结束后才会执行保存操作的，如果断连发生在第二个epoch的训练过程中（比如还在跑batch），那这个epoch的权重就存不上，但第一个epoch的文件应该能找到。你可以去云盘的目标文件夹里仔细看看，是不是漏了第一个epoch的文件？

试试减小保存文件的大小，提升保存速度
要是模型很大，保存完整模型到云盘可能会因为网络延迟超时导致保存失败。可以改成只保存权重，速度会快很多：

checkpoint = ModelCheckpoint(
    checkpoint_path,
    save_freq='epoch',
    save_weights_only=True  # 只存权重，文件更小
)

后续恢复的时候，先重新构建模型结构，再加载权重就行：

model = build_your_cnn_model()  # 重新定义你的模型结构
model.load_weights('/content/drive/MyDrive/Colab Notebooks/cnn_checkpoints/epoch_02.h5')

另外，还有个小技巧：训练的时候可以在回调里加个打印，确认每个epoch结束后触发了保存，比如自定义个简单的回调：

from keras.callbacks import Callback

class SaveNotification(Callback):
    def on_epoch_end(self, epoch, logs=None):
        print(f"✅ Epoch {epoch+1} 训练结束，已保存模型到云盘")

# 训练时加入这个回调
model.fit(train_generator, epochs=2, callbacks=[checkpoint, SaveNotification()])

这样下次训练时，你就能在控制台看到保存提示，确认保存操作确实执行了。

内容的提问来源于stack exchange，提问作者Mahamadou