一、task中的c1、c2和args参数解析 如果你想在yolov8中修改或添加 新的结构块，基本都会修改到task.py中的c1、c2和args参数。 此处以Conv所在的判断分支代码为例： if m in (Classify, Conv, ConvTranspose, ..., C3x, RepC3):c1, c2 = ch[f], args[0]if c2 != nc:c2 = make_

一、什么是断点续训： 中断的地方，继续训练。与加载预训练权重有什么区别呢？区别在于优化器参数和学习率变了。 二、如何实现“断点续训” 我们需要使用checkpoint方法保存，模型权重，优化器权重，训练轮数。 保存模型，优化器权重可以理解，保存训练轮数是为了获得中断时的学习率。 由于在中断的时候，我们保存了中断时的模型权重，优化器权重，训练轮数，所以再次训练，加载这些参数，便可以继续训练。

train.py中有一个参数是resume,在yolov5中,这个参数只需要设定为True,其就会继续上次没有训练完的任务,但是在yolov8中其是指定一个pt的路径,只需要在resume中指定对应未完成任务中的last.pt即可,如下所示: 正常训练： python train.py --weight yolov8n.pt --yaml ultralytics/models/v8/yolov8