### 解决 PyTorch 中完整保存的模型无法加载的问题 当遇到 PyTorch 完整保存的模型无法加载的情况时，可能的原因有多种。以下是详细的排查方法和解决方案： #### 1. 检查 Python 和 PyTorch 版本一致性 确保用于保存和加载模型的 Python 及 PyTorch 的版本一致。不同版本之间可能存在兼容性问题。 #### 2. 使用相同的类定义 如果保存的是整个模型而非仅 `state_dict`，那么在加载时需要确保使用了完全相同架构的类定义[^1]。这意味着保存和加载代码应当位于同一环境中，并且模型类未被修改过。 ```python import torch import torch.nn as nn class MyModel(nn.Module): def __init__(self): super(MyModel, self).__init__() self.fc = nn.Sequential( nn.Linear(128, 16), nn.ReLU(), nn.Linear(16, 1) ) def forward(self, x): return self.fc(x) # 创建并训练模型... net = MyModel() torch.save(net, 'sample_model.pt') # 加载模型前重新实例化同样的网络结构 loaded_model = torch.load('sample_model.pt') print(loaded_model) ``` #### 3. 处理设备差异 (CPU/GPU) 有时模型是在 GPU 上训练但在 CPU 上尝试加载，反之亦然。这可能导致加载失败或运行错误。为了处理这种情况，在加载之前应显式指定期望使用的设备: ```python device = torch.device("cuda" if torch.cuda.is_available() else "cpu") # 如果是通过 state_dict 方式保存，则需先创建新模型再加载参数 new_model = MyModel().to(device) checkpoint = torch.load('model_state_dict.pth', map_location=device) new_model.load_state_dict(checkpoint) # 对于完整的模型对象可以直接指定map_location loaded_model = torch.load('sample_model.pt', map_location=device) ``` #### 4. 文件路径验证 确认提供的文件路径正确无误，并且具有读取权限。相对路径可能会因为工作目录变化而失效；建议使用绝对路径以减少不确定性。 #### 5. 错误日志分析 仔细阅读异常堆栈跟踪信息，通常会给出具体的报错原因。常见的如缺少模块、属性不存在等问题都可通过这些提示快速定位修复方案。