前言
最近在为一个YOLO可视化标注训练工具添加训练功能时，遇到了一个极其顽固的错误：PytorchStreamReader failed reading zip archive: failed finding central directory。前后折腾了数小时，尝试了无数种方法------重装PyTorch、降级版本、修改路径、换用绝对路径、在多线程/子进程/子线程间反复横跳------都无济于事。直到最后才发现，问题根本不在于我的模型文件，而在于Ultralytics内部一个"好心办坏事"的自动检测机制。
本文将完整记录这一调试过程、最终发现的根本原因，以及为什么一个简单的 amp=False 就能解决所有问题。
一、错误现象
在使用Ultralytics YOLO进行训练时，代码在模型加载阶段一切正常：
python
from ultralytics import YOLO
model = YOLO('yolov8n.pt') # 成功但一旦调用 model.train()，就会抛出如下异常：
RuntimeError: PytorchStreamReader failed reading zip archive: failed finding central directory错误堆栈指向 torch.load 在读取一个zip文件时失败。令人困惑的是，模型文件明明存在且完整（通过 torch.load 单独测试也能成功加载），为什么训练时会失败？
二、第一波排查：模型文件损坏？
起初怀疑是下载的模型文件不完整。反复从官方GitHub、镜像站、甚至用curl重新下载，文件大小约6MB，torch.load 也能正常读取。排除模型文件本身问题。
三、第二波排查：路径与文件锁
怀疑Windows下的文件句柄冲突。尝试：
- 将模型文件复制到项目根目录，使用绝对路径加载；
- 只在主线程加载一次，然后将模型实例传递给子线程；
- 只在子线程中加载，不预先加载；
- 清除Ultralytics缓存目录
~/.cache/ultralytics。
所有尝试均无效，错误依旧。
四、第三波排查：PyTorch版本与多进程
怀疑PyTorch 2.7.1与Ultralytics 8.4.33不兼容。降级到2.0.1、2.1.0，依然报错。设置 workers=0 禁用多进程数据加载，也没用。
五、转机：仔细阅读错误堆栈
在一次完整的错误堆栈中，我发现了一个关键信息：
python
File "ultralytics/utils/checks.py", line 894, in check_amp
assert amp_allclose(YOLO("yolo26n.pt"), im)原来，在训练初始化阶段，Ultralytics 会调用一个名为 check_amp 的函数，该函数内部会尝试加载一个叫 yolo26n.pt 的模型文件！这个文件并不是用户指定的模型，而是Ultralytics内部用于检测AMP（自动混合精度）是否可用的一个小型测试模型。它会自动从网络下载（如果本地没有）。
而我的环境中，由于网络限制或其他原因，这个 yolo26n.pt 下载失败或下载不完整，导致 torch.load 读取时抛出 PytorchStreamReader 错误。
六、根本原因
Ultralytics 在训练开始时，默认会执行AMP可用性检查。该检查会尝试下载一个内部测试模型 yolo26n.pt（约几MB），然后通过它来验证AMP是否能正常工作。如果下载失败或文件损坏，整个训练就会因为无法读取这个临时模型而崩溃。
这个设计初衷是为了自动判断是否可以使用混合精度训练，以提高训练速度。但在网络不稳定、无互联网环境、或文件服务器响应异常的情况下，就会造成用户完全无法训练，且错误信息完全误导用户去怀疑自己的模型文件。
七、解决方案：禁用AMP检查
既然问题是AMP检查引起的，最直接的解决方案就是跳过这个检查 。Ultralytics 提供了 amp 参数，默认值为 True，将其设为 False 即可禁用AMP检查，从而避免下载 yolo26n.pt。
修改后的训练调用：
python
model.train(
data='data.yaml',
epochs=100,
amp=False, # 关键！
# ... 其他参数
)添加 amp=False 后，训练立即正常启动，GPU满载运行，所有错误消失。
八、为什么会有 amp=False 这个参数？
amp是 Automatic Mixed Precision 的缩写。启用AMP可以显著减少显存占用并加速训练（尤其在高分辨率大模型上）。- Ultralytics 默认开启AMP，并自动测试当前环境是否支持（通过下载
yolo26n.pt进行快速验证）。 - 用户可以手动设置
amp=False来完全禁用AMP，同时也禁用了该检测过程。
因此，amp=False 并非为了解决下载问题而设计，但它恰好成为了绕过这个bug的钥匙。
九、经验教训
- 遇到奇怪的
PytorchStreamReader错误时，首先检查是否在训练初始化阶段有内部模型下载行为。 仔细阅读完整堆栈，不要只盯着自己的模型文件路径。 - 不要盲目重装环境或修改路径，先理解错误的真正来源。
- Ultralytics 的"智能"检测有时会成为负担，在离线或受限环境中，务必主动关闭不必要的自动行为。
- 官方文档中其实提到了
amp参数，但很少有人会想到它与这个错误有关。社区中也有类似的问题报告，但多数被误导到模型文件损坏上。
十、总结
这次调试过程让我深刻体会到：一个看似复杂的错误，其根源往往藏在最不起眼的角落。从怀疑模型文件、怀疑路径、怀疑多线程，到最后发现是Ultralytics内部下载 yolo26n.pt 失败，每一步都充满了挫败感。但最终，一个简单的 amp=False 解决了所有问题。
希望这篇博客能帮助遇到同样问题的朋友节省时间。如果您的YOLO训练莫名其妙地报 PytorchStreamReader 错误，请先尝试在 train 参数中加入 amp=False，很可能您根本不需要修改任何模型或环境。