PyTorch 2.6.0兼容性问题解析：YOLOv5中detect.py的weights_only参数调整指南

1. 问题来了：升级PyTorch 2.6.0后，YOLOv5突然跑不动了

最近是不是手痒，把PyTorch升级到了最新的2.6.0版本，然后兴冲冲地打开你的YOLOv5项目，准备跑一下经典的detect.py来检测几张图片？结果，熟悉的流程没走几步，终端里就给你抛出了一大段红色的错误信息，直接给你整懵了。我前几天就遇到了这个情况，当时正在给一个客户演示模型效果，结果当场“翻车”，场面一度十分尴尬。错误信息的核心，通常指向torch.load函数，并且会提到一个关键词：weights_only。很多朋友一看这错误，第一反应是模型文件坏了，或者环境装错了，折腾半天重装环境、重新下载权重，结果问题依旧。别慌，这其实不是你代码的问题，也不是模型的问题，而是PyTorch 2.6.0版本为了安全考虑，做的一个默认行为变更，刚好和YOLOv5（尤其是v5.0等早期版本）的模型加载方式撞上了。

简单来说，PyTorch在加载模型文件（通常是.pt或.pth文件）时，有一个叫torch.load的函数。在2.6.0版本之前，这个函数加载文件时，默认会执行文件里可能包含的任何代码（weights_only=False）。这虽然方便，但也带来了安全风险，万一你加载了一个恶意构造的模型文件，它可能会在你的机器上执行任意代码。所以，从PyTorch 2.6.0开始，官方为了提升安全性，把这个参数的默认值改成了True。这意味着，torch.load现在默认只允许加载纯数据（比如模型的权重、偏置），而禁止加载和执行任何可能带有“代码”的对象。

那么，YOLOv5的模型文件里有什么呢？以官方的yolov5s.pt为例，它不仅仅保存了模型的权重参数，还保存了模型的结构定义、一些训练配置信息，甚至可能包含一些用于重建模型对象的pickle指令。其中就可能涉及到像numpy.core.multiarray._reconstruct这样的全局对象。在weights_only=True的严格模式下，这类对象是不被允许加载的，因此就会触发我们看到的UnpicklingError错误，提示“Weights only load failed”。所以，问题的根源很明确：新版的PyTorch安全规则变严格了，而老版的YOLOv5模型保存格式恰好包含了不被新规则允许的内容。接下来，我们就来彻底解决它。

2. 深入理解：torch.load的“安全模式”与weights_only参数

要解决问题，不能光知道改个参数，还得明白背后发生了什么。咱们把torch.load这个函数掰开揉碎了讲讲。你可以把它想象成一个快递员，你的模型文件（.pt）就是一个包裹。在PyTorch 2.6.0之前，这个快递员非常“耿直”，你给他包裹，他不管里面是衣服、书本，还是一个会自己跳出来的整蛊玩具（比喻可能存在的恶意代码），他都会原封不动地递给你。这就是weights_only=False的模式，功能强大但风险自担。

从PyTorch