调用torch.hub.load加载resnet18时出现HTTP 403速率超限错误如何解决？

这个403速率限制错误由GitHub的公开API限流机制触发：

• PyTorch Hub加载远程仓库模型时，会默认向GitHub发起API请求校验仓库合法性
• 未进行身份认证的GitHub API请求每小时最多允许发起60次，如果你使用的服务器出口IP是多用户共享，或是短时间内多次调用torch.hub.load接口，很容易触发该限流阈值
• 你使用的1.9.0版本PyTorch存在逻辑缺陷：每次调用torch.hub.load都会重复发起API校验，不会复用本地已有的缓存校验结果，进一步提升了限流触发概率

你可以根据自己的场景选择任意一种方案解决：

• 最优方案：直接使用torchvision内置的模型加载逻辑，完全跳过PyTorch Hub调用。resnet18本身是torchvision官方内置的模型，不需要通过Hub加载，将你代码中的模型加载部分替换为如下内容即可：

from torchvision.models import resnet18
model = resnet18(pretrained=True)

该方案完全不会触发GitHub API请求，从根源规避限流问题，同时也符合官方推荐的使用规范。

• 配置GitHub个人访问Token提升限流阈值：生成一个无额外权限的GitHub个人访问Token（PAT），在运行代码前执行如下命令配置环境变量即可：

export GITHUB_TOKEN=<你生成的GitHub PAT值>

完成配置后GitHub API限流阈值会提升至每小时5000次，常规使用场景下不会再触发限流。

• 本地加载预下载的仓库代码：提前手动下载pytorch/vision仓库对应v1.9.0版本的代码到本地，调用时指定本地路径加载即可：

model = torch.hub.load('/本地保存的vision-v1.9.0文件路径', 'resnet18', pretrained=True, source='local')

• 临时规避：如果只是偶尔遇到该问题，等待1小时后GitHub限流会自动重置，重新运行代码即可。

另外你日志中的transforms.Scale告警属于版本兼容提示，不会影响代码运行，将代码中所有transforms.Scale替换为transforms.Resize即可消除告警。

内容的提问来源于stack exchange，提问作者Mona Jalal