Propel实验管理全攻略：Experiment自动检查点与断点续训指南

Propel是一款在 JavaScript 中做差分编程（可微编程）的开源库，它的 Experiment 模块能自动为模型训练保存检查点（checkpoint），并在程序中断后从断点继续训练，让你不用再担心训练白跑。本文将带你快速掌握 Propel 实验管理的核心机制。

为什么需要实验管理？

训练神经网络时，最怕两件事：

• ❌ 程序意外中断（断电、报错、Ctrl+C），几小时的训练成果瞬间清零
• ❌ 磁盘被旧参数文件塞满，不知道哪个版本才是最新的

Propel 的Experiment就是为解决这两个问题而设计的：它把"参数存盘、参数恢复、接口对接优化器"这三件事统一封装（见 src/experiment.ts），你只需要一行代码就能获得：

自动检查点 + 断点续训 + 训练进度日志，全程零额外代码。

创建实验：一行代码搞定

通过 API 入口 src/api.ts 导入experiment，调用时只需传入一个实验名：

const exp = await pr.experiment("exp001");

experiment函数（src/experiment.ts）会做一件聪明的事：根据运行环境自动选择实现。

实验名也不能随意取——"cache"是保留名，直接使用会抛出Invalid experiment name.错误。

四个关键配置项

experiment支持传入ExperimentOpts选项（src/experiment.ts），默认值如下：

💡 默认配置意味着：每分钟自动存一次检查点，只保留最近 3 份，旧文件自动删除——对新手来说完全无需操心。

自动检查点：训练过程中如何工作？

每次调用exp.sgd({ lr: 0.01 }, lossFn)执行一步梯度下降时，Experiment.minimize()（src/experiment.ts）会顺带做三件事：

1. step 计数 +1，并把当前参数交给优化器做反向传播更新
2. 打印进度：按printStepSecs限流输出step / loss / steps/sec
3. maybeSave 检查：距离上次保存超过saveSecs秒就触发save()

保存时（src/disk_experiment.ts），每个参数张量会被序列化成一个.npy文件写入对应检查点目录，并打印类似Checkpoint saved 1.23 mb的日志。保存完成后立即执行清理：按 step 从新到旧排序，超出checkpointsToKeep数量的旧检查点会被自动删除（src/experiment.ts）。

✅ 换句话说：磁盘上永远只有最新的几份检查点，永远不会无限膨胀。

断点续训：中断后自动恢复

真正的"魔法"在createOrRestore()（src/disk_experiment.ts）中。当你再次用同一个实验名创建实验时，它会：

1. 扫描实验目录下所有纯数字命名的文件夹（如00000123）
2. 找出 step 最大的检查点
3. 调用restore()把所有.npy文件加载回参数对象（src/disk_experiment.ts）
4. 把 step 计数器恢复到中断前的值

于是你重新运行训练脚本，就会看到类似这样的输出：

checkpoints [ 123 ] Restore checkpoint 123 hello/world float32 [3]

从第 123 步无缝继续，不需要写任何"加载模型"的代码。整个过程有完整的测试保障，可以参考 src/disk_experiment_test.ts。

检查点存放在哪里？

默认位于~/.propel/<实验名>/下，也可以设置环境变量PROPEL_ROOT指向自定义目录（src/util_node.ts）。每个检查点是一个以 8 位数字补零命名的目录，内部按参数名存放.npy文件，目录结构如下：

~/.propel/ └── exp001/ ├── 00000120/ │ ├── L1/weights.npy │ └── L2/weights.npy └── 00000123/ ├── L1/weights.npy └── L2/weights.npy

实战示例：训练 MNIST

仓库自带一个非常直观的 MNIST 训练示例 src/example.ts，完整展示了实验管理的使用姿势：

const ds = pr.dataset("mnist/train").batch(128).repeat(100); const exp = await pr.experiment("exp001"); for (const batchPromise of ds) { const { images, labels } = await batchPromise; exp.sgd({ lr: 0.01 }, (params) => images.rescale([0, 255], [-1, 1]) .linear("L1", params, 200).relu() .linear("L2", params, 100).relu() .linear("L3", params, 10) .softmaxLoss(labels)); if (maxSteps && exp.step >= maxSteps) break; }

几个值得注意的细节：

• 参数通过params.define(...)在计算图中惰性定义，首次遇到才初始化（src/params.ts）
• 损失函数必须写成闭包、在回调内部计算 loss，这样才能保证反向传播的追踪不会泄漏内存（src/experiment.ts）
• 想换优化器可以用更通用的exp.minimize(optimizer, opts, lossFn)，优化器实现见 src/optimizers.ts

运行方式（需先全局安装ts-node）：

ts-node example.ts

中途Ctrl+C后再次执行同一命令，就会自动从最近的检查点继续训练 🎉

常见问题速查

小结

Propel 的 Experiment 模块用极小的 API 面提供了生产级的实验管理能力：

• 📦自动检查点：saveSecs定时存盘，checkpointsToKeep自动清理旧文件
• ⏩断点续训：同名实验自动restore最新检查点，无缝续跑
• 📊进度可视：限流打印 step、loss 和 steps/sec
• 🛡️退出兜底：正常退出前最后一刻再保存一次

对于刚接触 JavaScript 机器学习的开发者来说，记住一句话就够了：创建实验时给它起个好名字，剩下的交给 Propel。