别再被.pth文件坑了！PyTorch加载预训练模型的三种正确姿势（附ResNet18/50实战）

别再被.pth文件坑了！PyTorch加载预训练模型的三种正确姿势（附ResNet18/50实战）

刚接触PyTorch时，最让人头疼的莫过于加载预训练模型时遇到的各种报错。明明照着教程一步步操作，却总是卡在.pth文件加载这一步。网络连接失败、SSL证书错误、state_dict与完整模型混淆...这些问题不仅浪费时间，更打击学习积极性。本文将带你彻底解决这些痛点，用三种最稳妥的方式加载预训练模型，并附上ResNet18/50的完整实战代码。

1. 预训练模型加载的三大核心问题

在PyTorch生态中，预训练模型通常以.pth或.pth.tar格式保存。但看似简单的文件加载背后，隐藏着三个最常见的"坑"：

1. 网络连接问题：直接从官方源下载时，国内用户常遇到连接超时或SSL证书错误
2. 文件格式混淆：分不清保存的是完整模型结构还是仅参数(state_dict)
3. 版本兼容性：模型与PyTorch版本不匹配导致的加载失败

先来看一个典型错误案例：

import torchvision.models as models resnet18 = models.resnet18(pretrained=True) # 经典报错起点

运行后大概率会看到这样的错误信息：

requests.exceptions.ConnectionError: ('Connection aborted.', TimeoutError(10060, '由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。', None, 10060, None))

这不是你的代码有问题，而是网络连接问题。接下来我们就用三种更可靠的方式解决这个问题。

2. 方法一：手动下载+本地加载（最稳定方案）

2.1 获取模型下载链接

当自动下载失败时，控制台通常会输出类似这样的信息：

Downloading: "https://download.pytorch.org/models/resnet18-5c106cde.pth" to C:\Users\YourName\.torch\models\resnet18-5c106cde.pth

操作步骤：

1. 复制https://download.pytorch.org/models/resnet18-5c106cde.pth到下载工具
2. 如果https失败，尝试替换为http协议
3. 也可以直接从torchvision的GitHub仓库查找对应模型链接

2.2 本地加载的正确姿势

下载完成后，根据.pth文件保存的内容类型，有两种加载方式：

情况一：仅包含state_dict（最常见）

import torch import torchvision.models as models # 初始化模型结构 model = models.resnet18(pretrained=False) # 加载预训练权重 state_dict = torch.load('resnet18-5c106cde.pth') model.load_state_dict(state_dict)

情况二：包含完整模型（较少见）

model = torch.load('complete_model.pth') # 直接加载整个模型

提示：使用print(torch.load('your_model.pth'))可以查看.pth文件内容结构

2.3 ResNet18/50实战代码

# ResNet18完整加载示例 def load_resnet18(model_path): model = models.resnet18(pretrained=False) # 处理可能的key不匹配问题 state_dict = torch.load(model_path) if 'state_dict' in state_dict: # 某些模型会多一层封装 state_dict = state_dict['state_dict'] # 适配从不同来源下载的模型 state_dict = {k.replace('module.', ''): v for k, v in state_dict.items()} model.load_state_dict(state_dict) return model # 使用示例 resnet18 = load_resnet18('resnet18-5c106cde.pth')

3. 方法二：使用torch.hub加载（官方推荐）

PyTorch Hub是官方推荐的模型共享平台，提供更稳定的下载方式：

import torch # 加载resnet50 model = torch.hub.load('pytorch/vision', 'resnet50', pretrained=True) # 指定版本和哈希值（更可靠） resnet18 = torch.hub.load('pytorch/vision:v0.10.0', 'resnet18', pretrained=True, source='github', force_reload=False)

优势对比：

4. 方法三：使用第三方镜像源（国内优化）

对于国内用户，可以通过更换镜像源加速下载：

import os import torchvision.models as models # 方法1：使用环境变量指定镜像 os.environ['TORCH_HOME'] = '/tmp/torch' # 指定下载目录 os.environ['PYTORCH_TORCHVISION_MIRROR'] = 'https://mirror.example.com' # 方法2：修改model_urls from torchvision.models.resnet import model_urls model_urls['resnet18'] = 'http://mirror.example.com/models/resnet18-5c106cde.pth' model = models.resnet18(pretrained=True)

常用镜像源替换规则：

5. 高级技巧与故障排除

5.1 处理SSL证书错误

当遇到SSL错误时，可以临时关闭验证（仅限开发环境）：

import ssl ssl._create_default_https_context = ssl._create_unverified_context

5.2 模型微调时的参数冻结

加载预训练模型后，通常需要冻结部分层：

model = models.resnet50(pretrained=True) # 冻结所有参数 for param in model.parameters(): param.requires_grad = False # 只解冻最后一层 for param in model.fc.parameters(): param.requires_grad = True

5.3 模型兼容性处理

不同来源的模型可能需要key转换：

def adapt_state_dict(original_dict): new_dict = {} for k, v in original_dict.items(): # 处理各种常见前缀情况 k = k.replace('module.', '') k = k.replace('backbone.', '') k = k.replace('model.', '') new_dict[k] = v return new_dict

6. 最佳实践总结

根据使用场景，推荐以下加载策略：

1. 生产环境：提前下载好模型文件，使用绝对路径加载
2. 团队协作：使用torch.hub指定明确版本号
3. 国内开发：配置镜像源或使用离线包分发
4. 研究实验：保持pretrained=True自动下载最新版

最后分享一个实用技巧——在Jupyter notebook中实现自动重试：

from retrying import retry @retry(stop_max_attempt_number=3, wait_fixed=2000) def load_model_with_retry(): return models.resnet50(pretrained=True) try: model = load_model_with_retry() except: print("加载失败，请手动下载")