pytorch怎么才能继续训练没训练好的模型？

要继续训练没训练好的模型，可以按照以下步骤进行操作：

加载模型：使用torch.load()方法加载模型的参数，例如：

model = MyModel()
model.load_state_dict(torch.load('path/to/model.pth'))

设置优化器：使用之前使用的优化器来继续训练模型，例如：

optimizer = torch.optim.Adam(model.parameters(), lr=0.001)

设置损失函数：使用之前使用的损失函数来计算训练误差，例如：

criterion = nn.CrossEntropyLoss()

训练模型：使用之前的训练循环来继续训练模型，例如：

for epoch in range(num_epochs):
    # 训练模型
    train_loss = 0
    for inputs, labels in train_loader:
        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()
        train_loss += loss.item()

注意：在继续训练模型时，需要将模型设置为训练模式，即使用model.train()方法。