PyTorch 1.x代码在2.x环境下直接运行大概率出错，主因是默认行为变更或弃用收紧：需重点处理三类变动——torch.load()加载旧模型需设weights_only=False；自定义Module中所有.input.data必须替换为.detach()；1.x导出的TorchScript模型无法被2.x加载，须用原环境重导出或改用torch.export.export()。
PyTorch 1.x 代码在 2.x 环境下直接运行大概率会出错，但绝大多数不是“API 删除”，而是默认行为变更或弃用路径收紧——修复重点不在重写模型，而在识别三类关键变动点并针对性调整。
torch.load() 加载旧模型报 version_ 错误
这是最常见也最容易误判的问题：错误信息 RuntimeError: version_ 并非模型结构不兼容，而是 PyTorch 2.0+ 默认启用新序列化格式（zip + 新元数据），而 1.x（尤其 ≤1.12）保存的是 pickle + 旧二进制结构。
- 必须显式设
weights_only=False：2.x 中torch.load()默认开启weights_only=True，会拒绝加载含类定义的旧文件；改成torch.load(path, weights_only=False, map_location='cpu') - 若模型是用
torch.save(model.state_dict(), ...)保存的，通常可直接加载；若保存的是整个模型对象torch.save(model, ...)，则大概率依赖兼容模式 - 避免临时切回 1.x 环境再保存——这适合调试，但生产环境应统一用 2.x 的
state_dict流程
自定义 Module 中调用 .data 触发 RuntimeError
PyTorch 2.x 将 .data 标记为不安全操作，任何在 forward 中写 input.data 或 tensor.data.clone() 的地方都会报错，这不是警告，是硬性中断。
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
- 全部替换为
.detach()：例如x.data.clone()→x.detach().clone()，x.data→x.detach() - 注意
.detach()和.data行为不完全等价：.data曾绕过计算图检查，而.detach()是明确的梯度截断，更安全也更符合 2.x 设计意图 - 搜索整个项目中所有
.data出现位置，包括第三方库 patch 或自定义 loss 实现
TorchScript 模型无法被 2.x 加载
PyTorch 1.x 用 torch.jit.script() 或 torch.jit.trace() 导出的 .pt 文件，在 2.x 下会直接失败，错误常为 Invalid script module 或解析崩溃——这不是版本号问题，是字节码 ABI 层级断裂。
立即学习“Python免费学习笔记（深入）”；
- 无法“转换”：没有工具能把 1.x 的 TorchScript 字节码转成 2.x 可读格式
- 必须用原 1.x 环境重新导出，或改用 2.0+ 新 API
torch.export.export()（需模型满足 exportable 条件） - 若必须在 2.x 环境部署旧 TorchScript 模型，唯一稳妥方式是保留一个 1.x 的推理子进程，通过 IPC 调用
真正容易被忽略的是那些“没报错但行为已变”的点：比如 model.train(); model(x) 在 1.x 下可能无副作用，但在 2.x 下若不接 .backward()，会悄悄累积计算图缓存，导致 OOM；还有 torch.backends.cudnn.benchmark = True 在 batch size 动态变化时，2.x 的 autotuner 更激进，反复编译 kernel 反而拖慢训练。这些不会抛异常，但会让结果不可复现或性能反降。
