如何确定适配已训练PyTorch模型的框架版本以规避警告

警告原因 #

这个警告是因为训练模型时使用的PyTorch/torchvision版本，与当前推理版本中目标模型类（如torchvision.models.segmentation.deeplabv3.DeepLabV3）的源码发生了变更，加载时检测到版本不匹配触发提示。

确定对应版本的方法 #

• 优先查看训练环境记录
  如果训练时保存了环境依赖信息（比如requirements.txt、训练脚本里的版本打印，或是把版本信息和模型一起存入了checkpoint），直接复用对应的PyTorch和torchvision版本即可。比如训练时用的是torch==1.12.0和torchvision==0.13.0，就安装这一组版本。

• 查找模型类的版本变更记录
  针对警告里的具体模型类，去torchvision官方版本日志或GitHub提交历史中，查找该类源码发生修改的版本节点。比如若DeepLabV3在torchvision 0.14.0版本有过代码变更，你的模型大概率是用0.14.0之前的版本训练的，回退到对应旧版本就能消除警告。

• 逐步降级测试
  按照PyTorch和torchvision的版本对应关系（比如torch 1.13对应torchvision 0.14，torch 1.12对应0.13），从当前版本逐步降级，每安装一组版本后测试加载模型，直到警告消失。注意必须保证torch和torchvision版本匹配，否则会出现其他兼容性错误。

• 临时屏蔽警告（应急方案）
  如果暂时无法更换版本，可以通过代码屏蔽该类警告，但这只是治标不治本：

  import warnings
  from torch.utils._pytree import SourceChangeWarning
  
  warnings.filterwarnings("ignore", category=SourceChangeWarning)
  

额外建议 #

最稳妥的方式是保持训练和推理的PyTorch/torchvision版本完全一致，从根源避免这类兼容性问题。如果必须升级版本，建议重新训练模型，或者按照警告提示设置torch.nn.Module.dump_patches = True，使用patch工具适配源码变更，但patch方式可能存在潜在风险，需谨慎操作。

内容的提问来源于stack exchange，提问作者mtamas