断点续训后 lr 从头开始，参数怎么给

现场是这样的。从 checkpoint 恢复训练后，学习率曲线从头开始衰减，等效于又跑了一遍预热，模型效果明显回退。

中间走过弯路，把「总步数与原来不一致，调度曲线重新计算」当成主因，改完现象没变。

把日志和配置对完，能解释这个现象的基本就这几处。只加载了权重，没有恢复优化器与调度器状态；resume_from_checkpoint 传了路径但训练参数被覆盖；续训脚本新建了训练器，状态全部重置。

第一件事是用训练器自带的续训入口

trainer.train(resume_from_checkpoint='./out/checkpoint-500')

然后确认目录里有优化器与调度器状态

python -c "import os;print(sorted(os.listdir('./out/checkpoint-500')))"

保持总训练轮数与原来一致

python train.py --num_train_epochs 3 --resume ./out/checkpoint-500

末了打印恢复后的学习率做核对

print(trainer.lr_scheduler.get_last_lr())

别只看报错消失，验证要多做一步。续训后学习率从断点处的值继续衰减，loss 曲线与前一段平滑衔接，不再出现二次预热。

提醒一点。只有权重没有优化器状态的检查点无法精确续训，看起来能跑但训练动态已经变了，重要实验要保留完整状态。监控比日志更早给出信号，事后回看经常能提前半小时发现异常。