前情提要

• 显卡使用的是RTX3090，在云服务器AutoDL上实验的
• 实验数据：已经完成500轮训练，期间生成的权重已经全部存放weights里面，如下所示
  • 中间轮数生成的权重会比训练结束后的best.pt、last.pt大，中间的会以epoch开头、best开头，可能会有40多M，而这两个只有10几M

步骤

1. 拷贝整个运行train.py之后生成的文件（然后删掉weights文件夹）

这是很重要的步骤！因为把他拷贝到其他地方去，就不会担心新生成的权重会覆盖掉原本的！

下图就是train.py运行之后生成的文件夹里的内容：

我现在要操作的文件夹名字是：All-lr22

我原本的整个文件路径是：/root/autodl-tmp/train_result/All-lr22

现在我把它拷贝到另外一个路径下去：/root/tf-logs/All-resume，使用下面的命令拷贝之后的路径就变成了/root/tf-logs/All-resume/All-lr22

cp -r /root/autodl-tmp/train_result/All-lr22 /root/tf-logs/All-resume

2. 删掉新路径下的weights里的所有权重，然后挑选一个权重放进去

先删除新路径下的weights文件夹：

rm -rf /root/tf-logs/All-resume/All-lr22/weights

然后新建一个空的weights文件夹：

mkdir /root/tf-logs/All-resume/All-lr22/weights

然后就调用yolov7的test.py去查看中间某一个权重的map指标们（以epoch、best开头的都可以），假设找到了best_213.pt权重，就将他拷贝到新的文件夹下去，也就是刚刚新建的/root/tf-logs/All-resume/All-lr22/weights

所以现在新的文件夹的weights文件夹里面就只有best_213.pt这一个权重

3. 修改新路径下的opt.yaml

4. 指定新路径下的weights重的权重的绝对路径，开始断点训练

前提：前面步骤均已完成！

命令如下：

python train.py --resume /root/tf-logs/All-resume/All-lr22/weights/best_213.pt

接着就出现以下的打印台，起始的epoch数和最终的epoch数已经变为设定值，训练完后就会得到best.pt、last.pt（不过可能会由于训练中没有比best_213.pt好的权重，所以就不会生成best.pt，但是肯定会生成last.pt）

训练结束：

• best.pt也只有10几M了

5. 还有个小细节

下图就是已经重写了的