YOLO 训练异常终止、断电、服务器关机，恢复训练，训练过程中调整训练周期

恢复训练       

对于训练一个新的YOLO模型或者是跑原模型，在训练过程中总会遇到误触或是异常操作导致训练终止，肯定不想重新开始训练，这样操作：

首先，找到刚刚跑完异常结束的那个训练后的结果保存处，一般是在runs\detect\train..

       里边有个weight文件夹，就是保存训练过程中的权重文件，我们复制 last.pt 的绝对路径，把他作为下次训练的加载权重，进行训练就可以续上上次没跑完的实验

其次，还需要修改如下：

在train文件中将刚刚复制好的权重绝对路径，修改为你的训练加载权重

if __name__ == '__main__':
    
# 修改后的模型配置文件路径
    model_config = r'D:\CVproject\ultralytics-main\ultralytics\cfg\models\v8\new\yolov8.yaml'

   
 # 数据集配置文件路径
    data_config ="D:/CVproject/ultralytics-main/datasets/new_COCO128.yaml"
   
 # 创建并初始化YOLOv8模型
    model = YOLO(model_config).train(data=data_config)
    metrics = model.val()

将其中的

 model_config = r'D:\CVproject\ultralytics-main\ultralytics\cfg\models\v8\new\yolov8_LAST_Guass.yaml'

修改为：路径前加个r  可以防止绝对路径与电脑编程器保持一致

model_config = r'D:\CVproject\ultralytics-main\runs\detect\train2\weights\last.pt'

最后在ultralytics\engine\trainer中：

找到def check_resume(self)：

修改其中的resume = self.args.resume

改为： resume= r'D:\CVproject\ultralytics-main\runs\detect\train2\weights\last.pt'

并在 def resume_training(self, ckpt):

第一行添加：

ckpt = torch.load(r 'D:\CVproject\ultralytics-main\runs\detect\train2\weights\last.pt ‘ )

这样就可以继续训练了

训练过程中，修改训练周期

先终止训练

找到ultralytics/cfg/default.yaml文件，打开修改其中的

epochs: 300  # (int) number of epochs to train for

为你想要的周期，并修改ultralytics\engine\trainer中的

self.epochs = self.args.epochs

修改为

self.epochs=300（你想增加或是减少的周期）

最后！！！！

一定在按照上面的恢复训练去修改，才能恢复上次的训练，继续按照新的训练周期去训练

（训练完一定要把改的改回来，这样下次重新训练才不会出错）