pytorch 模型的断点训练

深度学习训练非常耗费时间，如果中间中止训练，则会非常麻烦。所以为了节省时间，通常会让模型从断点中继续训练。为此，需要模型在训练的过程中保存一些关键信息，比如模型的参数、优化器的配置，epoch等。

模型保存

def save_checkpoint(model, epoch,loss,optimizer):
    model_out_path = "model/" + "model_epoch_{}.pth".format(epoch)
    state = {"epoch": epoch,
             "model": model,
             'loss':loss,
             'optimizer': optimizer.state_dict()}
    # check path status
    if not os.path.exists("model/"):
        os.makedirs("model/")
    # save model
    torch.save(state, model_out_path)
    print("Checkpoint saved to {}".format(model_out_path))

断点恢复

if opt.resume:
        if os.path.isfile(opt.resume):
            print("===> loading checkpoint: {}".format(opt.resume))
            checkpoint = torch.load(opt.r