保存权重与继续训练

保存权重

如果你仅希望保存权重，则使用save_weights_for_sampler：

training_client.save_weights_for_sampler(name="sampler")

如果你希望同时保存权重和优化器状态，以便后续继续训练，则使用save_state：

training_client.save_state(name="train")

这样保存的权重，在WebUI的类型上会显示为「Train」，并拥有比「Sampler」类型占用更多的空间（因为保存了优化器状态）：

继续训练

继续训练只适用于类型为「Train」的权重，TRIO将加载保存权重和优化器状态，从断点继续训练。

流程十分简单，在WebUI上找到权重路径：

将权重路径填入create_training_client_from_state_with_optimizer的path中即可：

import pytrio as trio
 
service_client = trio.ServiceClient()

training_client = service_client.create_training_client_from_state_with_optimizer(
    path="YOUR_MODEL_PATH", 
)