1.场景一：直接训练了模型20次，发现loss还没有收敛，想要继续在20的基础上继续训练
处理方案：

target_model = target_net().to(device)
checkpoint = torch.load('./xxx.pth')
target_model.load_state_dict(checkpoint)

这样就把原来已经训练20次的xxx.pth模型重新加载了。

保存模型的方法：

targeted_model_file_name = './xxx.pth'
torch.save(target_model.state_dict(), targeted_model_file_name)
target_model.eval()

2.场景二：训练过程中，每迭代一定次数就保存一次模型，避免训练中断，以恢复模型

if epoch%20==0
	path='./model' + str(epoch) +'.pth'

参考：PyTorch笔记之模型保存和加载

Pytorch模型保存与加载，并在加载的模型基础上继续训练

保存模型的两种方法：

torch.save(the_model，PATH)
the_model  = torch.load(PATH)

torch.save(（the_model.state_dict（），PATH）#以保存训练有素的模型
the_model.load_state_dict（torch.load（PATH））#加载保存的模型。