继续训练

继续训练只适用于类型为「Train」的 checkpoint。PyTRIO 会加载已保存的模型权重和优化器状态，从断点继续训练。

如果还没有保存 Train checkpoint，请先使用 save_state，详见保存权重。

获取 checkpoint 路径

流程十分简单，在WebUI上找到权重路径：

恢复模型和优化器状态

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", 
)

之后可以继续执行 forward_backward 和 optim_step，训练会从 checkpoint 中保存的状态继续。

仅加载权重

如果你希望仅加载权重而不加载优化器状态，可以使用 create_training_client_from_state：

import pytrio as trio
 
service_client = trio.ServiceClient()

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

这种方式适合从已有权重初始化一个新的训练客户端；由于不会恢复优化器状态，它不是严格意义上的断点续训。