修復筆記:SkyReels-V2 項目中的 torch.load 警告

#工作記錄

一、問題描述

在運行項目時,出現以下警告:

FutureWarning: You are using `torch.load` with `weights_only=False` (the current default value), which uses the default pickle module implicitly. It is possible to construct malicious pickle data which will execute arbitrary code during unpickling (See https://github.com/pytorch/pytorch/blob/main/SECURITY.md#untrusted-models for more details). In a future release, the default value for `weights_only` will be flipped to `True`. This limits the functions that could be executed during unpickling. Arbitrary objects will no longer be allowed to be loaded via this mode unless they are explicitly allowlisted by the user via `torch.serialization.add_safe_globals`. We recommend you start setting `weights_only=True` for any use case where you don't have full control of the loaded file. Please open an issue on GitHub for any issues related to this experimental feature.

二、受影響的文件和行號
  1. 文件:F:\PythonProjects\SkyReels-V2\skyreels_v2_infer\modules\vae.py

    • 行號:第 566 行

    • 原代碼

      model.load_state_dict(torch.load(pretrained_path, map_location=device), assign=True)
  2. 文件:F:\PythonProjects\SkyReels-V2\skyreels_v2_infer\modules\t5.py

    • 行號:第 437 行

    • 原代碼

      model.load_state_dict(torch.load(checkpoint_path, map_location="cpu"))
三、修復過程
  1. 查找相關代碼:在項目中查找使用 torch.load 的代碼片段。

  2. 修改代碼:在 torch.load 中添加 weights_only=True 參數。

  3. 測試修改后的代碼:重新運行腳本,確認警告是否消失。

四、修改后的代碼
  1. vae.py 文件第 566 行

    model.load_state_dict(torch.load(pretrained_path, map_location=device, weights_only=True), assign=True)
  2. t5.py 文件第 437 行

    model.load_state_dict(torch.load(checkpoint_path, map_location="cpu", weights_only=True))
五、驗證修改

完成上述修改后,重新運行項目以確保所有問題都已解決:

python generate_video.py --resolution 540P
六、總結

通過上述步驟,成功修復了項目中的 torch.load 警告。這些修改確保了代碼在未來版本的庫中仍然兼容,并提高了代碼的安全性。

希望這份修復筆記能幫助你解決相同的問題。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/78409.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/78409.shtml
英文地址,請注明出處:http://en.pswp.cn/web/78409.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

GNOME擴展:Bing壁紙

難點 網絡請求(Soup) 下載文件(Soup) 讀寫設置(Gio.Settings) 源碼 import GLib from "gi://GLib"; import Gio from gi://Gio; import St from gi://St; import Soup from gi://Soup;import { Extension } from resource:///org/gnome/shell/extensions/extens…

計算機視覺綜合實訓室解決方案

一、引言 在當今科技飛速發展的時代,計算機視覺作為人工智能領域的核心技術之一,正以前所未有的速度改變著我們的生活和工作方式。從智能手機中的人臉識別解鎖,到自動駕駛汽車對道路和障礙物的精準識別;從安防監控系統中的智能視…

C++23 std::tuple與其他元組式對象的兼容 (P2165R4)

文章目錄 引言C23 std::tuple概述std::tuple的定義和基本用法std::tuple的特性std::tuple的應用場景 其他元組式對象的特點Python元組的特點Python元組與C std::tuple的對比 P2165R4提案的具體內容提案背景提案主要內容提案的影響 兼容性示例代碼總結 引言 在C編程的世界里&am…

Go語言:協程調度器GPM模型深度解析

一、GPM模型概述 Go語言的并發模型是其最強大的特性之一,而這一切的核心就是GPM調度模型。讓我們用一個生活中的例子來理解: 想象你經營著一家快遞公司: G(Goroutine):就像一個個待配送的包裹P(Processor):就像是你公司的配送站,負責組織配送工作M(Machine):就像…

NVIDIA顯卡演進歷程及其關鍵參數對比

一、早期架構階段(1995-1999) 技術特點:聚焦圖形渲染性能提升,逐步引入硬件加速功能。 NV1(1995) 工藝制程:500nm核心頻率:12MHz顯存頻率:75MHz創新點:首款集…

c++ 之 cout

1.進制轉換 1. 1 進制轉換 默認十進制&#xff1a;cout 默認輸出十進制。十六進制&#xff1a;使用 hex 操縱符。八進制&#xff1a;使用 oct 操縱符。恢復十進制&#xff1a;使用 dec 操縱符。 #include <iostream> using namespace std;int main() {int num 30;cou…

動態規劃算法精解(Java實現):從入門到精通

一、動態規劃概述 動態規劃&#xff08;Dynamic Programming&#xff0c;DP&#xff09;是一種解決復雜問題的高效算法&#xff0c;通過將問題分解為相互重疊的子問題&#xff0c;并存儲子問題的解來避免重復計算。它在眾多領域如計算機科學、運籌學、經濟學等都有廣泛應用&am…

【JLINK調試器】適配【大華HC32F4A0芯片】的完整解決方案

JLINK調試器適配 大華HC32F4A0芯片的完整解決方案 文章目錄 JLINK調試器適配 大華HC32F4A0芯片的完整解決方案一、問題背景1.1 HC32F4A0芯片特性1.2 為何需要J-Link支持1.3 未適配的影響 二、解決方案2.1 問題復現2.2 手動配置2.3 結果驗證 三、常見問題四、固件燒入 一、問題背…

AVOutputFormat 再分析

AVOutputFormat 結構體 /*** addtogroup lavf_encoding* {*/ typedef struct AVOutputFormat {const char *name;/*** Descriptive name for the format, meant to be more human-readable* than name. You should use the NULL_IF_CONFIG_SMALL() macro* to define it.*/const…

4.29-4.30 Maven+單元測試

單元測試&#xff1a; BeforeAll在所有的單元測試方法運行之前&#xff0c;運行一次。 AfterAll在所有單元測試方法運行之后&#xff0c;運行一次。 BeforeEach在每個單元測試方法運行之前&#xff0c;都會運行一次 AfterEach在每個單元測試方法運行之后&#xff0c;都會運行…

具身系列——Q-Learning算法實現CartPole游戲(強化學習)

完整代碼參考&#xff1a; rl/qlearning_cartpole.py 陳先生/ailib - Gitee.com 部分訓練得分&#xff1a; Episode 0 Reward: 19.0 Avg Reward: 19.00 Time: 0.00s Episode 1 Reward: 17.0 Avg Reward: 18.98 Time: 0.00s Episode 2 Reward: 10.0 Avg Reward: 18.89 Time:…

2.2 矩陣

考點一&#xff1a;方陣的冪 1. 計算方法 (1) ?找規律法? ?適用場景?&#xff1a;低階矩陣或具有周期性規律的矩陣。?示例?&#xff1a; 計算 A ( 0 1 1 0 ) n A \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}^n A(01?10?)n&#xff1a; 當 n n n 為奇…

一個完整的神經網絡訓練流程詳解(附 PyTorch 示例)

&#x1f9e0; 一個完整的神經網絡訓練流程詳解&#xff08;附 PyTorch 示例&#xff09; &#x1f4cc; 第一部分&#xff1a;神經網絡訓練流程概覽&#xff08;總&#xff09; 在深度學習中&#xff0c;構建和訓練一個神經網絡模型并不是簡單的“輸入數據、得到結果”這么簡…

從入門到登峰-嵌入式Tracker定位算法全景之旅 Part 0 |Tracker 設備定位概覽與系統架構

Part 0 |Tracker 設備定位概覽與系統架構 在開始算法與代碼之前,本章將從“高空視角”全面剖析一個嵌入式 Tracker 定位系統的整體架構:背景、目標與規劃、關鍵約束、開發環境配置、硬件清單與資源預算、邏輯框圖示意、通信鏈路與協議棧、軟件架構與任務劃分,以及低功耗管…

【自然語言處理與大模型】大模型意圖識別實操

本文先介紹一下大模型意圖識別是什么&#xff1f;如何實現&#xff1f;然后通過一個具體的實戰案例&#xff0c;詳細演示如何運用大模型完成意圖識別任務。最后&#xff0c;對大模型在該任務中所發揮的核心作用進行總結歸納。 一、意圖識別的定義與核心任務 意圖識別是自然語言…

HTML打印設置成白色,但是打印出來的是灰色的解決方案

在做瀏覽打印的時候&#xff0c;本來設置的顏色是白色&#xff0c;但是在瀏覽器打印的時候卻顯示灰色&#xff0c;需要在打印的時候勾選選項“背景圖形”即可正常展示。

PyCharm中全局搜索無效

發現是因為與搜狗快捷鍵沖突了&#xff0c;把框選的那個勾選去掉或設置為其他鍵就好了

Nginx 核心功能02

目錄 一、引言 二、正向代理 &#xff08;一&#xff09;正向代理基礎概念 &#xff08;二&#xff09;Nginx 正向代理安裝配置 &#xff08;三&#xff09;正向代理配置與驗證 三、反向代理 &#xff08;一&#xff09;反向代理原理與應用場景 &#xff08;二&#xf…

探索 C++23 std::to_underlying:枚舉底層值獲取的利器

文章目錄 引言基本概念作用使用示例與之前方法的對比在 C23 中的意義總結 引言 在 C 的發展歷程中&#xff0c;每一個新版本都帶來了許多令人期待的新特性和改進&#xff0c;以提升代碼的安全性、可讀性和可維護性。C23 作為其中的一個重要版本&#xff0c;也不例外。其中&…

WGDI-分析WGD及祖先核型演化的集成工具-文獻精讀126

WGDI: A user-friendly toolkit for evolutionary analyses of whole-genome duplications and ancestral karyotypes WGDI&#xff1a;一款面向全基因組重復事件與祖先核型演化分析的易用工具集 摘要 在地球上大多數主要生物類群中&#xff0c;人們已檢測到全基因組復制&…