训练 YOLO 模型（v5/v8/v11）常需数百 epoch，耗时数天。断电、SSH 断开、显存溢出、进程误杀等意外极易导致训练中断，从头开始会浪费大量算力与时间。
断点续训（Resume Training）可从最近保存的检查点（checkpoint） 恢复训练，完整还原模型权重、优化器状态、学习率调度与训练进度
训练中断后，在对应的runs中对应训练的结果中包含两个关键文件：
last.pt 绝非仅模型权重，而是全训练状态快照：
- 模型网络参数（权重 + 偏置）
- 优化器状态（SGD/Adam 动量、梯度缓存）
- 学习率调度器状态（当前步数、余弦退火参数）
- 当前 epoch 计数与剩余轮数
- 数据加载器随机种子（保证数据增强一致性）
成功续训日志会显示：
from epoch 217：接续中断前轮数，成功
from epoch 0：用了 best.pt 或路径错误，从头训练
必守前提（否则续训失败）
配置完全一致：data.yaml（类别数）、模型 yaml（网络结构）、batch size、device、超参（lr0、momentum）不可修改
last.pt 完整 ：文件未损坏、路径正确、由同一代码版本生成
不混用 best.pt：best.pt 不含优化器状态，只能用于推理
在对应的.yaml文件中，只需要将resume修改为True,然后训练导入的预训练权重用训练一半的last.pt。
from ultralytics import YOLO
# 加载预训练模型
model = YOLO("./runs/detect/exp2/last.pt") # n/s/m/l/x 任选
# 开始训练
model.train(
data="your_data.yaml", # 你的数据集配置 .\ultralytics\cfg\***.yaml
)