情况一：意外训练中断（程序未训练完成，想完成目标训练轮数）

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。

情况二：自动训练完成（程序已完成训练，想增加训练轮数）

如果是上次的指定训练轮次(epochs)跑完了还想要继续训练

1. 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

2. 在yolov5\utils下的torch_utils.py中将start_epoch改为上次训练的轮次+1(可以在exp中的result表里看见上次最后训练的轮次，此处轮次指的是标号，自0开始的第一列中最后一行数字)

​
然后像情况1一样加上参数–resume即可

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

如果不在命令行中使用–resume参数也可以修改train.py文件中的参数。

在train.py中将resume参数的default设定为True即可。

注意：完全结束过所有epoch后再这样续上训练，前几轮会比较低，但它长得很快不用担心，很快就可以赶回上次训练结束时的程度。以及，别忘了把torch_utils里的那个改回去，不然每次继续训练都从那里开始的！