恢复训练的话，应该是还需要一个

.pdstates

文件。这里有优化器相关状态。

.pdstates 没有看见这文件吧，大佬能给个截图例子吗？

这个地方不是要给地址嘛（config.MODEL.RESUM），.pdparams .pdopt是自己就能调用了，但是没看见有.pdstates 的文件

不好意思。

又仔细看了下你的报错。这个问题，应该把

optimizer.set_dict(opt_state)

改成

optimizer.set_state_dict(opt_state)

感谢感谢，我去尝试了一下，确实不报错了，但是并没有从中断的地方开始训练，是重头开始的，这是读取了参数，从头开始训练吗？再次感谢解惑。

感谢大佬，虽然epoch是从0开始计算，但是参数是保存过的

不客气。

如果是自己写的训练脚本的话，需要保存epoch。恢复的时候继续。

好兄弟能将完整的流程讲一下吗？我现在也遇到这个问题，先谢谢了

可以用warmup

这样对训练好的影响少

我也遇到关于恢复训练的问题，在训练过程中能够保存、重新载入保存文件、评估都没有问题，但是训练结束后单独进行载入、评估，损失就很高，我感觉应该是模型还有东西没有保存始终没有看出问题，不知道哪里出问题了

    def save_model(self):
        save_folder='result'
        if not os.path.exists(save_folder):
            os.makedirs(save_folder)
        for model_name, model in self.models.items():
            save_path = os.path.join(save_folder, '{}.pdparams'.format(model_name))
            to_save = model.state_dict()
            paddle.save(to_save, save_path)
        save_path = os.path.join(save_folder, "{}.pdopt".format('sgd'))
        paddle.save(self.opt.state_dict(), save_path)
        
    def load_model(self):
        model_folder='result'
        model_names=['encoder','decoder']
        for model_name in model_names:
            model_path = os.path.join(model_folder, "{}.pdparams".format(model_name))
            model_state = paddle.load(model_path)
            self.models[model_name].set_state_dict(model_state)
        opt_path = os.path.join(model_folder, "{}.pdopt".format('sgd'))
        opt_state=paddle.load(opt_path)
        self.opt.set_state_dict(opt_state)