报错是这样的：Weights only load failed. This file can still be loaded, to do so you have two options, do those steps only if you trust the source of the checkpoint.

### 解决 `Weights only load failed` 错误的方法 在加载 PyTorch 的检查点文件时，如果遇到 `_pickle.UnpicklingError: Weights only load failed` 错误，通常是由于以下原因之一引起的：PyTorch 版本的变化、检查点的安全性设置以及模型类定义的缺失。以下是详细的解决方案。 --- #### 原因分析 1. **默认行为变化** 自 PyTorch 2.6 起，默认情况下 `torch.load` 函数启用了 `weights_only=True` 参数[^2]。此参数旨在防止任意代码执行的风险，但如果检查点文件包含非张量数据（例如自定义类或函数），则会触发该错误。 2. **安全性限制** 默认情况下，PyTorch 只允许加载有限类型的全局对象（如内置 Python 类型）。如果检查点中包含了未被显式授权的自定义类（例如 `ultralytics.nn.tasks.DetectionModel`），就会抛出 `Unsupported global` 错误[^2]。 3. **模型类定义丢失** 如果检查点文件是在另一个环境中创建的，并且其中存储了模型的结构信息（而非仅权重），那么当前运行环境必须能够识别这些模型类。否则即使禁用 `weights_only`，也会导致加载失败。 --- #### 解决方案 ##### 方法一：禁用 `weights_only` 如果信任检查点来源，可以直接将 `weights_only` 设置为 `False` 来绕过这一限制。需要注意的是，这样做可能会带来一定的安全隐患，因为它允许加载任何序列化的 Python 对象。 ```python checkpoint = torch.load(file_path, map_location=torch.device('cpu'), weights_only=False) ``` 这种方式适合于从可信来源获取的检查点文件。 ##### 方法二：使用上下文管理器扩展安全范围 为了更安全地加载包含自定义类的检查点，可以使用 `torch.serialization.safe_globals()` 上下文管理器或将所需类添加到白名单中。 ```python from ultralytics.nn.tasks import DetectionModel with torch.serialization.safe_globals([DetectionModel]): checkpoint = torch.load(file_path, map_location=torch.device('cpu'), weights_only=True) ``` 这种方法既保持了一定程度的安全性，又支持加载复杂的模型结构。 ##### 方法三：重新定义模型类 如果无法修改加载选项，也可以通过手动重建模型类的方式来解决问题。具体做法如下： 1. 确保本地代码中有与检查点对应的模型定义； 2. 使用 `strict=False` 参数加载权重，忽略多余的键值对。 ```python model = MyCustomModel(...) # 替换为你自己的模型定义 checkpoint = torch.load(file_path, map_location=torch.device('cpu')) model.load_state_dict(checkpoint['state_dict'], strict=False) ``` 这种方式适用于需要严格控制模型结构的场景[^3]。 ##### 方法四：升级或降级 PyTorch 版本 如果上述方法均不可行，考虑调整 PyTorch 的版本以匹配检查点文件的生成环境。例如，对于较老的检查点文件，可以暂时回退到低于 2.6 的版本进行加载[^1]。 --- ### 总结 - 若完全信任检查点来源，可通过关闭 `weights_only` 实现快速加载。 - 需要在保障安全的前提下加载复杂模型时，推荐采用上下文管理器机制。 - 缺少必要模型定义的情况下，需先补充相关类后再尝试恢复权重。 ---