帮我改成如果存在模型就继续训练

如果你希望在发现模型文件已存在时继续训练而不是直接退出，你可以将`else`部分的内容移动到`for`循环内部，如下所示：

if not os.path.exists(os.path.join(save_dir, args.model+'.pth')):
    print('==> Start training, current model name: ' + args.model)
    # ... 其他初始化操作 ...

    for epoch in tqdm(range(setting['epochs'] + 1)):
        # ... 训练、验证、保存等操作 ...

        if os.path.exists(os.path.join(save_dir, args.model+'.pth')):
            print('==> Existing trained model, continuing from last checkpoint...')
            network.load_state_dict(torch.load(os.path.join(save_dir, args.model+'.pth')))
            scheduler.load_state_dict(optimizer.state_dict())  # 可能需要加载优化器状态

        # ... 继续训练 ...

这样，在每个epoch开始前，都会检查是否存在模型文件。如果存在，网络将会加载上次的模型权重，然后继续当前的训练流程。注意，这里还假设了优化器的状态也需要一起加载，你需要根据实际的代码结构调整这部分。