OpenCLIP训练检查点加载问题的技术分析与解决方案

问题背景

在使用OpenCLIP项目进行模型训练时，从v2.27.0版本开始，用户发现无法基于之前训练生成的检查点(checkpoint)继续训练。具体表现为当尝试加载训练检查点作为预训练模型时，系统会抛出pickle.UnpicklingError错误，提示"weights_only=True"参数导致加载失败。

问题本质

这个问题的根源在于PyTorch从某个版本开始默认启用了weights_only=True的安全加载机制。这种机制限制了可以反序列化的对象类型，只允许加载纯权重数据，而不允许加载可能包含任意代码的其他Python对象。然而，OpenCLIP的训练检查点中包含了优化器状态等额外信息，其中意外地引入了numpy.float64类型的数值，这超出了PyTorch默认允许的安全全局变量范围。

技术细节

1. 安全加载机制：PyTorch的weights_only=True参数是一种安全措施，防止恶意构造的模型文件执行任意代码。它只允许加载特定类型的对象，如张量、基本数据类型等。

2. 问题触发点：在OpenCLIP中，余弦学习率调度器(Cosine Scheduler)使用了numpy库中的π值和余弦函数计算学习率。这导致学习率值被存储为numpy.float64类型，进而被保存到优化器状态中。

3. 版本差异：在v2.26.1及之前版本中，PyTorch的安全机制较为宽松，或者没有默认启用weights_only=True，因此不会出现这个问题。从v2.27.0开始，安全机制变得更加严格。

解决方案

项目维护者已经通过以下方式修复了这个问题：

1. 代码修改：将余弦调度器中的numpy函数调用替换为Python标准库的math模块函数。这样产生的学习率值将保持为Python原生float类型，而不是numpy.float64类型。

2. 兼容性考虑：修改后的训练检查点现在可以安全地使用weights_only=True参数加载，符合PyTorch的安全最佳实践。

临时解决方案

在官方修复发布前，用户可以采用以下临时解决方案：

1. 手动修改create_model_and_transforms调用，设置load_weights_only=False参数
2. 注意这会使加载过程不再受安全限制，只应在信任检查点来源时使用

最佳实践建议

1. 版本管理：保持OpenCLIP和PyTorch版本的同步更新，以获得最新的安全修复和功能改进。

2. 检查点使用：区分预训练模型和训练检查点的使用场景：

   • 预训练模型：通常只包含模型权重，可以安全使用weights_only=True
   • 训练检查点：包含完整训练状态，需要特别注意来源可信度

3. 安全考量：即使是自己的训练检查点，如果初始预训练模型来自不可信来源，也应谨慎对待。

总结

这个问题展示了深度学习框架安全机制与实际工作流程之间的平衡考量。OpenCLIP项目通过细致的代码修改，既保持了安全加载的优势，又不影响正常的训练工作流程。对于用户而言，理解这些底层机制有助于更好地使用和管理模型训练过程。