加载PyTorch checkpoint遇CUDA版本错误，仅CPU可用如何解决？

这个报错的核心原因很明确：你之前在GPU环境下保存的检查点，所有模型参数张量都是绑定在GPU设备上的，而当前环境不仅没有可用GPU，CUDA驱动版本还和原环境不匹配，导致PyTorch尝试用GPU加载时失败。

解决方法其实很简单，只需要在torch.load()里加上map_location参数，指定把所有张量映射到CPU上：

# 替换原来的加载代码
checkpoint = torch.load(pathname, map_location=torch.device('cpu'))

额外注意事项 #

• 加载完检查点后，如果要使用模型进行推理，记得把模型也切换到CPU模式：

  # 假设你已经定义了模型类
  model = YourModelArchitecture()
  # 先把模型移到CPU
  model = model.to('cpu')
  # 再加载参数
  model.load_state_dict(checkpoint['model_state_dict'])
  

• 如果你的检查点里还保存了优化器的状态（比如checkpoint['optimizer_state_dict']），这些状态也会被自动映射到CPU上。不过在纯CPU环境下，一般不需要继续训练，所以可以忽略这部分；如果真要后续训练，确保优化器也是在CPU上初始化的。

这个方法能完美绕过CUDA版本不兼容的问题，同时让你在CPU环境下顺利加载GPU训练的模型权重。

内容的提问来源于stack exchange，提问作者Tom Hale