feat: 添加 YOLOv12 模型继续训练脚本

- 新增 continue_train.py 文件，实现从指定模型恢复训练状态并继续训练的功能
- 支持通过命令行参数指定预训练模型路径、数据配置文件、训练轮数等参数
-增加了对最佳权重的加载逻辑，确保从最优模型开始继续训练
- 强制使用 CPU 进行训练，避免 CUDA 设备错误

continue_train.py

@@ -0,0 +1,69 @@
+"""
+YOLOv12 模型继续训练脚本
+功能：从指定pt模型恢复训练状态并继续训练
+使用方法：python continue_train.py --weights=runs/detect/train/weights --epochs=50 --batch=48
+"""
+
+import torch
+from ultralytics import YOLO
+import argparse
+import os
+import glob
+
+def parse_opt():
+    """解析命令行参数"""
+    parser = argparse.ArgumentParser()
+    parser.add_argument('--weights', type=str, required=True, help='预训练模型路径')
+    parser.add_argument('--data', type=str, default='data.yaml', help='数据配置文件')
+    parser.add_argument('--epochs', type=int, default=100, help='总训练轮数')
+    parser.add_argument('--batch', type=int, default=16, help='批次大小')
+    parser.add_argument('--imgsz', type=int, default=640, help='输入图像尺寸')
+    parser.add_argument('--lr0', type=float, default=0.0001, help='初始学习率')
+    parser.add_argument('--lrf', type=float, default=0.01, help='最终学习率')
+    parser.add_argument('--optimizer', type=str, default='AdamW', choices=['SGD', 'Adam', 'AdamW'], help='优化器类型')
+    parser.add_argument('--resume_epoch', type=int, default=0, help='从第几个epoch开始继续训练')
+    
+    return parser.parse_args()
+
+def main(opt):
+    """主训练流程"""
+    # 验证权重路径
+    if os.path.isdir(opt.weights):
+        pt_files = glob.glob(os.path.join(opt.weights, "*.pt"))
+        if pt_files:
+            opt.weights = pt_files[0]  # 选择第一个找到的pt文件
+        else:
+            raise ValueError(f"未在指定目录找到.pt模型文件: {opt.weights}")
+    
+    # 加载模型
+    model = YOLO(opt.weights)
+    
+    # 获取最佳权重路径
+    weights_dir = os.path.dirname(opt.weights)
+    best_weights_path = os.path.join(weights_dir, 'best.pt')
+    
+    # 如果存在最佳权重则加载
+    if os.path.exists(best_weights_path):
+        model = YOLO(best_weights_path)
+        print(f'已加载最佳权重: {best_weights_path}')
+    
+    # 开始训练（强制指定使用CPU避免CUDA设备错误）
+    results = model.train(
+        data=opt.data,
+        epochs=opt.epochs,
+        batch=opt.batch,
+        imgsz=opt.imgsz,
+        lr0=opt.lr0,
+        lrf=opt.lrf,
+        optimizer=opt.optimizer,
+        resume=True,
+        device='cpu'  # 强制指定使用CPU
+    )
+    
+    # 输出训练结果
+    print('训练完成，最终指标:')
+    print(results)
+
+if __name__ == '__main__':
+    opt = parse_opt()
+    main(opt)