我们优化改进了这个功能的算法，现在能更好的识别中断模型的参数。
当模型训练过程中，遇到意外中断或者主动中断训练，当不改变训练参数（epoch参数值除外），需要加载上一次中断前保存的完整的模型，就可以继续接着该模型再次训练。
例如1：
当我模型设置Epoch值为10轮，我训练到5轮的时候，checkpoint-500000，这里中断了，测试checkpoint-500000该模型能力，发现并未达到训练需求，还想接着训练，那么就要确保checkpoint-500000模型完整。直接开启新的训练即可，此时，epoch能增大而不能减少。意思就是：原始设置的Epoch为10，想加深训练，可以设置为20，而不能减少为9。
例如2：
当模型设置Epoch为10轮，10轮训练结束，最后的模型为：checkpoint-1000000，测试该模型并未达到理想效果，还想接着训练，那么，就需要把epoch设置为20或者更多（这个数值自定义），设置好了后，就可以继续读取checkpoint-1000000模型参数继续训练，那么下一轮就会保存：checkpoint-1100000。
也就是说，新的模型算法，加载为最新的保存模型，而不是读取完整三轮模型。想要接着训练，仅需要保存最新的模型即可，但是请不要更改训练学习率或者训练的JSON。JSON不能新增也不能减少。否则无法继续训练。
值得注意的是：1.8.3版本之前的模型，如果接着训练，loss值会重新计算更迭，但是训练的学习内容，模型都是完整接上，不必担心模型没有接上训练。
1.8.3版本之后，如果模型中断，继续训练，loss值会接上（该算法为测试版，可能会对loss值有遗漏）
