Google Colab使用PyTorch加载模型报ModuleNotFoundError问题求助

你遇到的ModuleNotFoundError: No module named 'models'是PyTorch模型序列化的常见问题，和第三方依赖无关：

• 训练模型时，模型类定义在名为models的模块（本地的models.py文件或models包）下
• 保存模型时使用了torch.save(model, 路径)的完整模型保存方式，该方式会把模型类的原始导入路径一起序列化
• Google Colab环境中没有对应的models模块，反序列化加载时找不到类定义就会触发报错

• 方法1：补全类定义+重定向模块
  首先把训练时用到的所有模型相关类（包括fc_model.Network以及它依赖的自定义父类、函数）完整复制到Colab的代码中，然后在调用torch.load前添加如下代码，将当前运行环境的模块映射到原始的models路径：

  import sys
  # 若原始模型类定义在models模块下，添加这行映射
  sys.modules['models'] = sys.modules[__name__]
  # 若原始模型类定义在models.fc_model子模块下，额外添加这行
  # sys.modules['models.fc_model'] = sys.modules[__name__]
  

  完成后再调用你的加载函数即可正常读取模型。

• 方法2：仅加载模型权重（推荐）
  该方式兼容性最强，不会依赖原始模块路径。如果能拿到原始训练代码，建议重新导出仅含权重的模型文件：
  训练侧导出代码：

  # 仅保存权重字典，不要保存整个模型对象
  torch.save(model.state_dict(), "best_weights_only.pt")
  

  Colab侧加载代码：

  # 先在Colab中定义和训练时完全一致的模型类
  model = fc_model.Network(input_size, output_size, hidden_layers)
  # 仅加载权重，不会触发类路径校验
  model.load_state_dict(torch.load("best_weights_only.pt", map_location="cpu"))
  

• 方法3：上传本地模块到Colab
  直接将本地的models.py文件或者整个models包上传到Colab的工作目录，加载模型前先执行import models导入对应模块即可。

你当前代码存在变量命名错误：load_checkpoint函数返回的是完成权重加载的完整模型对象，不是权重字典，建议把state_dict = load_checkpoint(PATH)修改为model = load_checkpoint(PATH)，避免后续调用逻辑出错。

内容的提问来源于stack exchange，提问作者Mohamed Ibrahim