PyTorch 2.x 中 `torch.load` 的 `FutureWarning` 与 `weights_only=False` 参数分析

随着 PyTorch 2.x 版本的发布，官方对模型序列化和反序列化的逻辑进行了优化。其中一个重要变化是：默认情况下，`torch.load()` 将只加载模型的权重（即等价于设置 `weights_only=True`），而不再支持通过 `weights_only=False` 显式控制是否加载完整模型。

1. 问题现象

在使用如下代码加载模型时：

model = torch.load('model.pth', map_location=device, weights_only=False)

会触发以下警告：

FutureWarning: The argument `weights_only` is deprecated and will be removed in a future release. Use `map_location` to control device placement instead.

这个警告提示开发者，未来版本将移除 `weights_only=False` 参数，并建议调整模型加载方式以适配新行为。

2. 背景知识：PyTorch 模型保存方式

保存方式	典型用法	适用场景
仅保存模型权重	torch.save(model.state_dict(), 'model_weights.pth')	轻量、便于迁移、适合部署
保存整个模型	torch.save(model, 'full_model.pth')	保留结构+参数，适合快速恢复训练或推理

3. 原因分析：为何弃用 `weights_only=False`？

• PyTorch 团队发现大部分用户都使用的是仅加载权重的方式（state_dict）。
• 为提升安全性，默认只加载权重，避免执行任意 Python 代码的风险。
• 简化 API 接口设计，统一加载逻辑。

4. 解决方案：如何适配新版行为？

根据模型保存方式的不同，应采用不同的加载策略：

4.1 加载仅包含权重的文件（推荐方式）

1. # 先实例化模型结构

2. model = MyModel()

3. # 然后加载权重

4. model.load_state_dict(torch.load('model_weights.pth', map_location=device))

4.2 加载完整模型文件（需要显式设置）

1. # 需要确认模型类定义存在

2. model = torch.load('full_model.pth', map_location=device)

5. 最佳实践建议

• 优先使用 `state_dict` 方式保存模型，提高可移植性和安全性。
• 避免使用 `weights_only=False`，提前适配未来版本行为。
• 若必须加载完整模型，请确保模型类定义一致，且不在生产环境中使用。
• 测试阶段应开启严格模式检查，防止潜在兼容性问题。