YOLOv9训练不中断，从断点处训练的方法_yolov9早停

1. 训练过程中意外中断，未完成训练预期的epoch数量

不小心多开了一个程序，导致程序从98次中断了，想要继续从98开始训练：

将train_dual.py文件中的patser中参数resume，将其设置为default=True:

parser.add_argument('--resume', nargs='?', const=True, default=True, help='resume most recent training')

注意如果想从上一次训练结果中恢复训练，那么保证训练结果（存放在/runs/train目录下）在保存目录中代号为最大的，也就是断点的那次存放的结果是在最后一个文件夹的，断点前训练的设置参数、超参数和每轮训练效果在时间最迟的文件夹下的opt.yaml、hyp.yaml、results.csv中有记录

然后运行train_dual.py：

就可以用继续第98轮了

2.训练完了，但是未收敛，在这个基础上继续训练多一些轮次

不是直接在train_dual.py设置weight参数为训练好的权重（last.pt），然后设置想要继续训练的epoch，这样学习率等超参数启动时还是按照默认的，并不是继续上一轮的训练。

当然如果超参数设置和之前的一样，应该是没有问题的。

如果为了确保准确，修改方式如下：

修改方式：（按步骤进行）

1. 将train_dual.py文件中，epoch参数改成想要原始轮数+继续训练的轮数。比如训练了100轮，还想训练200轮，就改成100+200=300轮，也就是最终要训练300轮。resume设置为default=True

2. 对utils/torch_utils.py中的smart_resume（）函数进行更改：

添加一行代码：ckpt[‘epoch’] =100  #原本训练完的epoch
修改代码：start_epoch = ckpt[‘epoch’]（后面不加1）
注意：这里的修改是为了断点训练，如果不再需要断点训练，请将修改都还原。

也就是把：

    # start_epoch = ckpt['epoch'] + 1
    # 上面那行改成下面两行
    ckpt['epoch'] =100  # 原本训练完的epoch
    start_epoch = ckpt['epoch']

3. 在train_dual.py文件中，找到opt.cfg, opt.weights, opt.resume

将下面两行代码

        opt = argparse.Namespace(**d)  # replace
        opt.cfg, opt.weights, opt.resume = '', str(last), True  # reinstate

修改成：

        init_epochs = opt.epochs # 记录最开始由epochs参数设定的数值,replace这行代码，将epochs替换成了原始的epochs数值
        opt = argparse.Namespace(**d)  # replace
        # opt.cfg, opt.weights, opt.resume = '', str(last), True  # reinstate
        opt.cfg, opt.weights, opt.resume,opt.epochs = '', str(last), True, init_epochs # reinstate

恢复成设定的epochs,完成以上3步，可以进行继续训练了，python train_dual.py

注意：训练完成之后，不再需要断点训练，请将修改都还原