PytorchStreamReader failed finding central directory:AlexNet 预训练权重先查缓存文件

简介: 该问题源于PyTorch加载预训练权重时ZIP中央目录缺失,常见于下载中断或文件损坏。配套工具`j050608_checkpoint_zip_probe`可在内存中对比完整/截断ZIP,安全验证结构完整性,不读取pickle、不覆盖真实权重。(239字)

预训练模型构造时读不到ZIP中央目录,应先检查实际缓存文件的完整性,图片和batch尚未参与。

对应这条排查路径的配套代码

运行配套示例 python -m j050608_checkpoint_zip_probe:在内存中构造完整与截断ZIP,展示中央目录缺失的区别,不读取未知pickle或覆盖真实权重。

j050608_checkpoint_zip_probe 对应本文这一个问题的演示或检查步骤,具体行为是:在内存中构造完整与截断ZIP,展示中央目录缺失的区别,不读取未知pickle或覆盖真实权重。下文仍保留检查依据和示例代码,可直接在自己的脚本中使用;也可以通过仓库取得同一份配套实现。

配套组件 j050608-checkpoint-zip-probe 的源码与说明、wheel 下载在作者仓库中公开提供。它不是 PyTorch 官方依赖,也没有注册同名 PyPI 包。已有所需依赖的项目可在下载文件后安装:

python -m pip install --no-deps ./j050608_checkpoint_zip_probe-0.1.0-py3-none-any.whl

--no-deps 保留项目原有依赖,不自动更换 torch、CUDA 或其他库。环境缺包时仍要按文章适用版本配置,安装配套组件本身不会修复驱动或硬件。

python -m j050608_checkpoint_zip_probe

对照 j050608_checkpoint_zip_probe 的输出验证:保留损坏文件证据,核对重新获取的权重来源与完整性,再验证模型构造和小批次前向。 不把合成输入演示通过等同于原项目故障已修复。

原帖在创建预训练 AlexNet 时失败,尚未执行 model(batch)。堆栈显示 torch.hub 正在读取本地缓存权重:

RuntimeError: PytorchStreamReader failed reading zip archive: failed finding central directory

根据失败时机缩小范围

models.alexnet(pretrained=True) 尚在下载或加载参数,输入图片、batch 尺寸和 GPU 显存还没有参与。先处理它实际读取的权重文件,之后再排查前向。central directory 是 ZIP 存档的目录结构,文件名叫 .pth 并不能保证内容就是完整权重。

这个错误说明当前文件不能按预期的 ZIP 存档读出目录。下载中断、错误页被存成权重、保存中断都是候选原因;仅靠这条消息不能证明是哪一个。

先定位缓存,不要删除整个目录:

from pathlib import Path
import torch
cache = Path(torch.hub.get_dir()) / "checkpoints"
print("cache:", cache)
print("alexnet files:", [(p.name, p.stat().st_size) for p in cache.glob("alexnet*")])

将堆栈或下载日志里的确切文件路径赋给 weight_path,只检查该文件:

import zipfile
from pathlib import Path
p = Path(weight_path)
print(p.resolve(), p.stat().st_size)
print("zip:", zipfile.is_zipfile(p))
if zipfile.is_zipfile(p):
    with zipfile.ZipFile(p) as z:
        print("bad entry:", z.testzip())

现代 torch.save 文件通常使用 ZIP;很早的合法权重也可能使用旧格式,所以 is_zipfile=False 不能单独作为损坏结论。结合来源、预期格式、下载大小和官方校验值判断。

若已确认这是失败的自动下载缓存,先将这一个文件改名备份,再通过原来的 torchvision 模型加载入口重新下载。不要靠修改扩展名、切换到 CPU 或设置 map_location 修复缺失的存档内容。网络需要能访问权重官方地址,磁盘也要有足够空间。

重新加载后再执行 model.eval() 与一个 batch 的前向。对于自己训练的唯一 checkpoint,应保留原件,寻找最近一次完整保存,而不是直接删除。

保留损坏证据,只替换确定的缓存项

从堆栈确认 weight_path 后,可以读取文件开头,排除“下载到了 HTML 错误页”这一分支。以下代码承接前面的 p = Path(weight_path),只读取前 80 字节,不尝试执行文件内容:

with p.open("rb") as stream:
    prefix = stream.read(80)
print("size:", p.stat().st_size)
print("prefix:", repr(prefix))

若开头明显是网页、代理错误文本,应修正下载路径或网络后重新获取;若文件比下载日志预期小,怀疑截断,但仍应比较官方来源与校验信息。ZIP 测试可以发现结构或 CRC 异常,无法单独证明权重来自可信来源,也不验证模型结构匹配。

确认是可重新下载的官方缓存项后,可把它改名为带时间的备份,再调用原模型入口。不要同时删除其他模型权重;对于唯一的训练成果,应先找完整备份或上次 checkpoint,重命名扩展名无法补回丢失的数据。

下面用内存存档展示“完整 ZIP”和“尾部丢失”的区别,不生成模型权重,也不碰真实缓存:

import io
import zipfile
buffer = io.BytesIO()
with zipfile.ZipFile(buffer, "w") as archive:
    archive.writestr("example.txt", "synthetic archive")
complete = buffer.getvalue()
truncated = complete[:-22]
print("complete/truncated:", zipfile.is_zipfile(io.BytesIO(complete)),
      zipfile.is_zipfile(io.BytesIO(truncated)))
assert zipfile.is_zipfile(io.BytesIO(complete))
assert not zipfile.is_zipfile(io.BytesIO(truncated))

重新下载后先确认模型构造成功,再准备符合 AlexNet 输入预处理的 batch 做推理。加载错误消失而预测异常,是后续数据或模型使用问题;不要再拿这次 ZIP 报错解释所有失败。较新 torchvision 用 weights 参数选择预训练权重,维护旧代码时先核对实际安装版本,不必为了处理损坏缓存同时升级整个项目。

使用 checkpoint_zip_probe.py 时,把示例范围与真实故障验证分开:保留损坏文件证据,核对重新获取的权重来源与完整性,再验证模型构造和小批次前向。

参考:原始求助帖;技术依据:torch.hub(2.5)、PyTorch 序列化格式(2.5)、Python zipfile。

相关文章
|
8天前
|
Linux Go 开发工具
手机上跑 DeepSeek 智能体:开源安卓客户端 DSH Go 安装与使用指南
DSH Go 是一款开源安卓客户端,将 DeepSeek Harness 智能体引擎装进手机:免 Root、免 Termux,一键安装即用;支持本机运行(内置 Ubuntu+Node.js)或远程接管电脑会话;具备插话打断、过程折叠、屏幕操控、端到端加密分享等特色功能,真正实现智能体“口袋化”。
9174 24
|
8天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
2707 14
|
3天前
|
人工智能 安全 应用服务中间件
NGINX 爆出两处高危漏洞 可导致未经身份验证的远程代码执行
NGINX曝出两个高危漏洞(CVE-2026-123633和CVE-2026-123007),CVSS 9.2分,均属HTTP/2内存安全缺陷,无需认证即可远程执行代码。影响自2015年起的多个版本,静态站点亦受威胁。修复版本为开源版1.30.7/1.31.9。(239字)
1298 0
NGINX 爆出两处高危漏洞 可导致未经身份验证的远程代码执行
|
6天前
|
传感器 安全 区块链
Windows 电脑运行安卓应用教程:开源工具 ApkStart 双击 APK 即装、独立窗口运行
ApkStart 是一款开源Windows工具,让安卓APP像原生软件一样运行:双击APK即安装、生成真实图标、独立窗口启动、开始菜单可搜索。无需传统模拟器,内置QEMU运行时,支持数据互通、ARM兼容与命令行操作。(239字)
|
10天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
10天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
23天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
11184 59
|
6天前
|
人工智能 弹性计算 开发工具
零成本玩各大模型!DeepSeek Harness dsh-our-free-model 插件,13 个厂商模型直接用
总结一下:装这个插件,你不用注册、不用绑卡、不用填一个 Key,就能在 DeepSeek Harness 里用上 DeepSeek V4.1 Flash、Kimi K3 这一批前沿模型,而且是白嫖的、还不限量。三步搞定:下载插件,复制包含 `package.json` 的插件目录路径,在「添加插件」里粘贴路径安装并重启。无论是在阿里云 ECS 上通过命令行部署的 Web 版,还是本地的 Electron 桌面端,都能顺利跑通,快速搭建一套零成本的免费模型使用环境。
1334 1
|
4天前
|
人工智能 弹性计算 IDE
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
适合团队落地代码规范,每次提交自动生成评审报告,降低人工CR工作量。同时支持自定义技能脚本,接入团队内部SDK说明文档,让Codex生成符合团队编码规范的代码。Codex三大客户端覆盖本地开发、服务器远程编码、自动化流水线场景,搭配阿里云百炼的Token Plan、Coding Plan,能够低成本搭建稳定可控的AI编码助手。新手建议先从IDE插件入手,熟悉交互逻辑,再尝试CLI版本部署在阿里云ECS,实现云上项目远程编码、批量脚本处理。只要按照步骤完成环境准备、版本选型、密钥对接、项目初始化,就可以把Codex融入日常开发流程,大幅提升代码编写、问题排查、项目重构的效率。
951 0
|
9天前
|
Linux API iOS开发
【DSH】DeepSeek Harness新手保姆教程(下载+安装+配置+使用,2026最新实测)
DeepSeek Harness(dsh)是DeepSeek AI开源的智能体框架,秉持“一切皆插件”理念,支持读文件、改代码、跑命令、处理表格、联网搜索等操作。免费开源,兼容Windows/macOS/Linux,提供桌面端与网页端,可灵活安装插件扩展能力。