【python模型保存之后，再恢复训练如何做】

实际上，想要中断训练，然后保存模型，之后再加载继续训练，并没有那么简单。我们平常保存模型参数一般都是这样遍历之后，再保存到字典里

    for name, data in global_model.state_dict().items():
        diff[name] = (data)
        c = diff[name].tolist()

然后写入文件

    f = open('d:covertemp.txt', 'wb')
    pickle.dump(global_model, f)
    f.close()

但是在重新加载出来训练的时候，却发现准确值根本不会再变化

f = open('d:covertemp.txt', 'rb')
    table2 = pickle.load(f)
    f.close()
    global_model.load_state_dict(table1, strict=False)#加载模型的代码
    

一直保持加载时的准确率。按理来说是应该继续往上的，那么问题出在哪里呢？
其实我们加载了模型参数以后，再这样加载优化器是不对的。是不可以的，

optimizer = torch.optim.SGD(global_model.parameters(), lr=args.lr,
                                momentum=args.momentum)
                                #这时加载的optimizer,是加载的、加载后的模型optimizer，这样不可以
                                #应该在global_model.load_state_dict(table1, strict=False)这句之前，就初始化一个optimizer

这样就看到，准确率又开始变化了，开始继续上升了