1、请首先检查自己是不是没有将原来的模型参数成功导入
- 你以为你导入成功了，但是注意，你load_state_dict时，如果用了strict=False是不会报错的，所以如果你没有仔细核对参数名是否正确（主要针对有使用预训练模型参数的情况，这时参数名称容易与你的模型有出入）
- 仔细检查自己的模型是不是按checkpoint['net']格式存储的，如果是，你直接导入checkpoint肯定不行啊
2、如果训练时一直不变，注意应该加载模型参数前就定义优化器
参考【python模型保存之后，再恢复训练如何做】_权侑莉老婆的博客-CSDN博客
3、加载后准确率很低，尤其是测试验证集准确率时准确率都很低，多半是因为标签问题。
先要检查自己的标签是否是固定的，可能会出现两次训练标签不一致的情况。
4、想要继续训练时，完全与之前保持相同的走势，需要加载优化器参数、步长scheduler、epoch，可参考PyTorch实现断点继续训练 - 知乎
5、构造optim对象时可以先做好模型的cuda()操作（这个我认为不一定，但是可以参考）
Pytorch 深度学习 模型训练 断点继续训练时损失函数恶化或与断点差异较大_周博士的博客-CSDN博客
6、测试图片时记得把模型调成eval()模型
7、如果要放到多gpu上训练，使用torch.nn.parallel.DistributedDataParallel前一定要加载好模型参数，（因为DDP后模型参数都加上了modules，这样加载参数时如果使用strict=False就自动没有加载了）
