Colab跑PyTorch训练找不到ipykernel_launcher.py仍报nonzero弃用警告致卡顿

• ipykernel_launcher.py是Colab Jupyter内核的系统级启动脚本，存放在系统Python的site-packages目录下，不属于用户工作目录，检索不到属于正常情况，无需修改该文件。
• 警告堆栈显示该文件第7行触发问题，是Python警告的上下文归并机制导致的误报：实际触发源是代码（或依赖库）中调用了PyTorch无参版nonzero()方法，该重载已在PyTorch 1.9+版本中弃用。
• 该警告本身为UserWarning，不会直接导致训练停滞；训练卡顿通常是触发该旧API的代码逻辑（如正样本匹配、NMS过滤、mAP计算）在Colab旧环境（Python3.6 + 低版本PyTorch）下存在兼容问题，包括GPU/CPU张量反复同步、内存泄漏、逻辑死循环等。

1. 过滤误导性警告 #

在所有代码最开头（导入PyTorch前）添加过滤规则，避免被错误堆栈干扰：

import warnings
warnings.filterwarnings("ignore", category=UserWarning, module="torch")

2. 修复弃用API #

全局检索自定义代码、工具函数（如map_eval、损失函数的正样本匹配逻辑）中的.nonzero()调用，替换为显式参数写法：

• 旧写法（触发警告）：mask.nonzero()
• 新写法（兼容全版本PyTorch）：mask.nonzero(as_tuple=False) 或 torch.nonzero(mask, as_tuple=False)
  如果是torchvision等第三方库旧版本触发，执行版本升级：

!pip install torchvision==0.13.0

3. 排查训练停滞的真实诱因 #

• 对触发nonzero调用的步骤单独打印张量的设备、形状，确认不存在GPU张量强制转CPU numpy的同步阻塞问题。
• 调整数据加载器参数，减少数据加载等待时间：

# 替换原有数据加载器初始化代码
train_loader = DataLoader(
    train_dataset,
    batch_size=BATCH_SIZE,
    shuffle=True,
    num_workers=2,
    pin_memory=True
)

4. 适配Colab运行环境 #

Colab默认的Python3.6已停止维护，可切换高版本环境或安装兼容的PyTorch版本：

!pip install torch==1.12.0

内容的提问来源于stack exchange，提问作者Kwaku