两种情况：

1.如果上次的指定训练轮次(epochs)没跑完就意外中断了，直接在在命令行中加上 --resume + 上一次训练中last.pt的路径

例如：

python  train.py  --resume  runs/exp2/weights/last.pt

也可以只写--resume后面不跟路径参数，程序会自动找到runs目录下所有exp/weights目录下的文件修改时间最晚的last.pt

python  train.py  --resume

而其他所有参数(--epochs、--batch-size等等)都会自动读取跟上次一样的(保存在runs/exp2/opt.yaml中)，所以不用指定，就算指定了也没用。

2.如果是上次的指定训练轮次(epochs)跑完了还想要继续训练

先打开runs/exp2/opt.yaml，把epochs改成总轮次数(上次跑完的epochs+想继续跑的epochs)，比如上次跑完了200epochs，想再加100epochs，那就改成300

在train.py中找到这部分，大约在190行，

把

start_epoch = ckpt['epoch'] + 1

改成

start_epoch = 上次跑完的轮次数

​        # Epochs
        # start_epoch = ckpt['epoch'] + 1
        start_epoch = 200
        if opt.resume:
            assert start_epoch > 0, '%s training to %g epochs is finished, nothing to resume.' % (weights, epochs)
            shutil.copytree(wdir, wdir.parent / f'weights_backup_epoch{start_epoch - 1}') 
        if epochs < start_epoch:
            logger.info('%s has been trained for %g epochs. Fine-tuning for %g additional epochs.' %
                        (weights, ckpt['epoch'], epochs))
            epochs += ckpt['epoch']  # finetune additional epochs

        del ckpt, state_dict

​

然后像情况1一样 --resume

python  train.py  --resume  runs/exp2/weights/last.pt