from pytorch-lightning.callbacks import ModelCheckpoint

`from pytorch_lightning.callbacks import ModelCheckpoint` 是 PyTorch Lightning 库中用于模型检查点保存的回调函数。在深度学习训练过程中，模型checkpoint是一个重要的组件，它允许你在训练期间保存模型的状态，以便在遇到中断（如断电、资源限制等）时能够恢复训练，或者评估训练效果后选择最好的模型。

当你导入 `ModelCheckpoint` 之后，可以在 PyTorch Lightning 训练循环的 `Trainer` 中配置它。你可以设置诸如自动保存最佳验证分数、定期保存、最大保存的数量等参数。它的基本用法通常包括创建一个 `ModelCheckpoint` 对象，并将其添加到 `trainer.callback_metrics` 或者直接作为参数传递给 `Trainer` 的 `callbacks` 参数。

示例：

from pytorch_lightning.callbacks import ModelCheckpoint

# 创建 ModelCheckpoint 实例
checkpoint_callback = ModelCheckpoint(
    dirpath='checkpoints',  # 检查点文件夹路径
    filename='{epoch}-{val_loss:.2f}',  # 根据验证损失命名文件
    monitor='val_loss',  # 监视指标
    save_top_k=1,  # 只保留最好的 k 个模型
    mode='min',  # 最小化验证损失
)

# 在 Trainer 中使用
trainer = pl.Trainer(callbacks=[checkpoint_callback])