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runsdetect rain..
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:CVprojectultralytics-mainultralyticscfgmodels 8
ewyolov8.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:CVprojectultralytics-mainultralyticscfgmodels 8
ewyolov8_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:CVprojectultralytics-main
unsdetect rain2weightslast.pt'
最后在ultralyticsengine rainer中：
找到def check_resume(self)：
修改其中的resume = self.args.resume
改为： resume= r'D:CVprojectultralytics-main unsdetect rain2weightslast.pt'
并在 def resume_training(self, ckpt):
第一行添加：
ckpt = torch.load(r 'D:CVprojectultralytics-main
unsdetect rain2weightslast.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ultralyticsengine rainer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
