要保存和重新训练超参数，可以使用以下方法：

1. 使用pickle库保存超参数：

import pickle

# 保存超参数
hyperparameters = {'learning_rate': 0.001, 'batch_size': 32, 'num_epochs': 100}
with open('hyperparameters.pkl', 'wb') as f:
    pickle.dump(hyperparameters, f)

# 加载超参数
with open('hyperparameters.pkl', 'rb') as f:
    loaded_hyperparameters = pickle.load(f)

2. 使用JSON保存超参数：

import json

# 保存超参数
hyperparameters = {'learning_rate': 0.001, 'batch_size': 32, 'num_epochs': 100}
with open('hyperparameters.json', 'w') as f:
    json.dump(hyperparameters, f)

# 加载超参数
with open('hyperparameters.json', 'r') as f:
    loaded_hyperparameters = json.load(f)

3. 使用configparser保存超参数：

from configparser import ConfigParser

# 保存超参数
hyperparameters = {'learning_rate': 0.001, 'batch_size': 32, 'num_epochs': 100}
config = ConfigParser()
config['Hyperparameters'] = hyperparameters
with open('hyperparameters.ini', 'w') as f:
    config.write(f)

# 加载超参数
config = ConfigParser()
config.read('hyperparameters.ini')
loaded_hyperparameters = dict(config['Hyperparameters'])

这些方法将超参数保存到文件中，并能够重新加载它们。你可以将这些代码放入你的训练脚本中，在每次训练结束后保存超参数，并在需要重新训练时加载它们。