最常见原因是相对路径错误，应使用绝对路径并检查文件存在性；文件损坏或格式不符会导致EOF或UnpicklingError；键名不匹配需核对并清洗前缀；跨设备加载必须指定map_location。
torch.load 读取 .pth 文件时路径不对或报错 OSError: No such file or directory
最常见的是相对路径写错，尤其在 Jupyter 或不同工作目录下运行时。torch.load 不会自动搜索项目根目录或模型目录，它只认当前 os.getcwd() 下的相对路径或绝对路径。
- 用
os.path.abspath("model.pth")或Path(__file__).parent / "model.pth"显式构造路径，别信“应该就在旁边” - 加载前先用
os.path.exists("model.pth")检查，比报错后翻路径快得多 - 如果文件在子目录（如
weights/ckpt.pth），别漏掉斜杠——"weightsckpt.pth"是典型手误
加载时报 RuntimeError: unexpected EOF 或 pickle.UnpicklingError
说明文件损坏、不完整，或根本不是 PyTorch 保存的 .pth 文件（比如是 ONNX、TensorFlow checkpoint，或者下载中断）。
- 用
file model.pth（Linux/macOS）或Get-ChildItem model.pth | Select Length（PowerShell）看文件大小——空文件或几 KB 基本就是废的 -
torch.load默认用pickle反序列化，不能加载用torch.save(..., _use_new_zipfile_serialization=False)旧方式保存的文件（极少见），但更可能是文件本身不合法 - 别用文本编辑器强行打开或“修复”
.pth文件——它是二进制 ZIP 格式，改一个字节就全崩
加载后 state_dict 键名对不上，模型 load_state_dict 失败
权重文件里的键（如 "backbone.conv1.weight"）和你模型实际参数名不一致，常见于：模型定义改动过、用了不同训练脚本、或权重来自 Hugging Face 等第三方库。
- 先用
print(torch.load("model.pth").keys())看存的是啥（如果是state_dict直接存的），再用print(list(model.named_parameters()))对比 - 键名差前缀？用
state_dict = {k.replace("module.", ""): v for k, v in state_dict.items()}清洗（多卡训练保存的常见问题） - 键名顺序/结构完全不一样？别硬映射——确认你加载的是对应模型的权重，不是同名但不同架构的文件
用 map_location 避免 GPU 加载失败或显存泄漏
在 CPU 上加载原本存在 GPU 的 .pth 文件，或反过来，不指定 map_location 会直接 OOM 或报 Invalid device。
- CPU 加载：必须写
torch.load("model.pth", map_location="cpu")，否则默认尝试加载到原设备（如cuda:0） - GPU 加载但想指定卡：用
map_location="cuda:1"，而不是靠model.cuda()后补——后者不改state_dict里张量的设备，load_state_dict会失败 - 安全写法：
map_location=torch.device("cpu")比字符串更明确，也兼容未来版本
PyTorch 的 torch.load 行为高度依赖文件来源和保存时的上下文，同一个 .pth 文件，在不同环境里可能因设备、路径、模型定义微小差异就加载失败——别假设“能跑通一次就永远没问题”。
