训练一上大模型就 OOM，别先只会调 batch size：我在 RTX 3090 上把 activation checkpointing 的 3 条路都跑了一遍
很多人一遇到训练 OOM，第一反应就是把batch_size=8改成4，再改成2，最后把吞吐砍到自己都不想看。但我在 RTX 3090 上把同一个小型 Transformer 分别按不开 checkpoint、隔层 checkpoint、全量 checkpoint 跑完后发现：真正更值得先回答的，不是“要不要开”，而是你到底在用它换哪一层内存，又愿意多付出多少重算时间。
如果你最近在做 SFT、长序列训练、视觉 encoder 微调，或者面试里被问到“训练 OOM 怎么排查”，这篇文章最应该带走的不是一句“gradient checkpointing 能省显存”，而是这套更实用的判断顺序：先分清你卡的是权重、优化器状态还是激活；再决定 checkpoint 是默认起点、补救手段，还是根本不该先动的旋钮。
1. 先把名字讲清：activation checkpointing 和 gradient checkpointing 经常说的是同一件事
这两个词在社区里经常被混用，尤其是在 PyTorch 和 Hugging Fac
