PyTorch Vision视频分类数据集缓存加载问题解析
问题背景
在使用PyTorch Vision的视频分类参考训练代码时,开发者遇到了一个关于数据集缓存加载的技术问题。当尝试加载已缓存的视频分类数据集时,系统抛出了一个与权重安全加载相关的错误,导致训练流程中断。
错误现象
具体错误表现为当代码尝试使用torch.load加载缓存文件时,系统提示"Unsupported global: GLOBAL datasets.KineticsWithVideoId was not an allowed global by default"。这个错误源于PyTorch 2.5.0版本引入的安全机制,当使用weights_only=True参数时,系统会限制可以加载的全局对象类型,以防范潜在的恶意代码执行风险。
技术原理分析
PyTorch从2.5.0版本开始强化了模型和数据集加载的安全性。weights_only=True参数的设计初衷是防止反序列化过程中执行任意代码,确保加载过程的安全性。然而,这种安全机制也会对一些合法的自定义类造成限制。
在视频分类训练场景中,KineticsWithVideoId是一个自定义的数据集类,它继承自PyTorch的标准数据集类,用于处理Kinetics视频数据集。当这个类被序列化到缓存文件中后,使用安全模式加载时就会被系统阻止。
解决方案
针对这个问题,开发者提供了两种解决方案:
-
移除安全限制:直接移除
weights_only=True参数,允许加载所有类型的对象。这种方法简单直接,但需要确保缓存文件的来源可信。 -
显式添加安全全局类:使用
torch.serialization.add_safe_globals([KineticsWithVideoId])将自定义数据集类添加到安全名单中。这种方法既保持了安全性,又允许加载特定的自定义类。
在实际应用中,第一种方案更为简便,特别是在开发环境或可信来源的情况下。PyTorch Vision团队已经通过提交的代码修改采用了这一方案。
最佳实践建议
对于类似的技术场景,我们建议开发者:
-
在开发阶段可以暂时关闭安全限制,但生产环境中应谨慎评估风险。
-
对于长期使用的自定义类,考虑将其注册为安全全局类,既保证安全性又不影响功能。
-
定期检查PyTorch的版本更新,了解安全机制的变化。
-
对于关键训练任务,建议实现缓存验证机制,确保缓存文件的完整性和安全性。
总结
PyTorch Vision视频分类训练中的这一缓存加载问题,反映了深度学习框架在安全性和功能性之间的平衡考量。通过理解PyTorch的安全机制原理,开发者可以更灵活地处理类似的技术挑战,既保证训练流程的顺畅,又不牺牲系统的安全性。这一案例也为处理其他自定义类的序列化问题提供了参考思路。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00