PyTorch加载预训练ResNet50模型报错，升级torchvision仍未解决

1. 核对Torch与TorchVision版本兼容性 #

不同版本的PyTorch和TorchVision对weights参数的支持存在差异，早期版本可能不支持"IMAGENET1K_V2"这类字符串参数格式。

• 先查看当前安装版本：

  pip show torch torchvision
  

• 确保两者版本匹配（例如Torch 2.0+对应TorchVision 0.15+），若版本不兼容，重新安装对应版本：

  pip install torch==2.0.1 torchvision==0.15.2 --index-url https://download.pytorch.org/whl/cu118
  

  （CPU版本可去掉--index-url部分，CUDA版本根据自身环境调整）

2. 更换权重参数的写法 #

如果版本符合要求但仍报错，尝试用权重类替代字符串参数：

import torch
from torchvision.models import ResNet50_Weights

model = torch.hub.load("pytorch/vision", "resnet50", weights=ResNet50_Weights.IMAGENET1K_V2)

或者直接使用torchvision.models的原生API加载，稳定性更高：

import torchvision.models as models

model = models.resnet50(weights=models.ResNet50_Weights.IMAGENET1K_V2)

3. 排查网络与缓存问题 #

torch.hub.load需要从GitHub拉取代码和权重文件，网络异常或缓存损坏都可能导致加载失败：

• 确认网络可正常访问GitHub，若无法访问，可手动下载权重文件放到Torch Hub默认缓存目录~/.cache/torch/hub
• 清理旧缓存后重试：

  rm -rf ~/.cache/torch/hub
  

4. 验证权重参数的有效性 #

部分旧版本可能仅支持"IMAGENET1K_V1"权重，可尝试切换版本测试：

model = torch.hub.load("pytorch/vision", "resnet50", weights="IMAGENET1K_V1")

内容的提问来源于stack exchange，提问作者dtr43