使用torch.load()触发Segmentation fault (core dumped)问题求助

核心原因 #

GPU版本Torch调用torch.load()时，默认会自动将模型权重映射到当前GPU设备，若模型是在CPU环境或不同CUDA配置的Torch下保存的，易出现设备不兼容导致的段错误。

修复方案 #

• 强制加载到CPU再迁移GPU
  修改加载代码，通过map_location参数指定先加载到CPU，避免自动映射冲突：

  model_xl = torch.load("./data/models_saved/xl_model.pth", map_location=torch.device('cpu'))
  # 按需迁移至GPU
  model_xl = model_xl.to('cuda')
  

• 重新安装匹配版本的GPU版Torch
  确保Torch与CUDA版本完全适配，执行以下命令重装：

  pip uninstall torch -y
  pip install torch==1.2.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html
  

• 重新保存模型为状态字典格式
  若模型文件存在格式兼容问题，先用CPU版Torch加载后，以状态字典形式重新保存，再用GPU版加载：

  # CPU环境下执行
  model_cpu = torch.load("./data/models_saved/xl_model.pth")
  torch.save(model_cpu.state_dict(), "./data/models_saved/xl_model_state_dict.pth")
  
  # GPU环境下执行（需导入你的模型类）
  from your_model_def import XLModel  # 替换为实际模型类路径
  model_xl = XLModel()
  model_xl.load_state_dict(torch.load("./data/models_saved/xl_model_state_dict.pth"))
  model_xl = model_xl.to('cuda')
  

• 检查GPU内存占用
  执行nvidia-smi查看GPU内存使用情况，关闭其他占用GPU资源的进程后再尝试加载模型。

内容的提问来源于stack exchange，提问作者cooper