使用 PyTorch 加载 AlexNet 预训练权重，遇到PytorchStreamReader failed finding central directory报错，绝大多数情况是本地缓存里的权重 zip 文件损坏、下载不完整，PyTorch 读取压缩包时找不到压缩包的中心目录，并不是代码模型定义写错。当调用torchvision.models.alexnet(pretrained=True)或者weights=AlexNet_Weights.IMAGENET1K_V1时，会自动把权重下载到本地缓存目录；如果中途网络中断、磁盘满、强制终止程序，缓存里的压缩包就会残缺，解压读取阶段直接抛出这个异常。该报错本质是 zip 压缩包文件损坏，PyTorch 的 PytorchStreamReader 无法解析压缩包目录结构，和模型代码、GPU 环境无关。最简单的修复方案是找到 torchvision 的缓存目录，删除损坏的 AlexNet 权重缓存文件，再次运行代码，程序会自动重新下载完整权重。也可以手动下载权重文件，指定本地文件路径加载，绕开自动缓存下载。如果多用户共用环境、离线服务器，也容易出现缓存文件被篡改、不完整的情况。
缓存目录与定位方法
- 默认缓存路径：
- Linux/Mac：~/.cache/torch/hub/checkpoints/
- Windows：C:\Users\用户名\.cache\torch\hub\checkpoints\
- 查看缓存目录代码
import torch.hub
print(torch.hub.get_dir())
- AlexNet 权重文件名：alexnet-owt-7be5be79.pth
完整排查修复步骤
- 定位缓存文件夹，找到 alexnet 预训练权重文件。
- 删除损坏的alexnet-owt-7be5be79.pth文件。
- 重新运行加载 AlexNet 的代码，触发自动重新下载权重。
- 如果网络差反复下载失败，可以手动下载权重，放到对应缓存目录或者代码指定本地路径加载。
- 校验文件大小，对比官网给出的文件尺寸，确认文件下载完整。
- 重新执行模型加载代码，验证报错消失。
加载方式对比
| 加载方式 | 原理 | 优点 | 风险点 |
|---|---|---|---|
| 自动下载（weights 参数） | 自动拉取权重存入 torch hub 缓存 | 一行代码，开箱即用 | 网络中断会产生损坏缓存文件，触发本次报错 |
| 手动下载本地加载 | 提前下载 pth 文件，torch.load 读取本地路径 | 可离线使用，可多次复用 | 手动核对版本，路径写错会报找不到文件 |
常见触发场景清单
- 网络波动，权重包下载一半中断，缓存只保存残缺文件。
- 磁盘空间不足，文件写入不完整。
- 多进程并行启动，多个进程同时下载同一个权重，文件被并发破坏。
- 网盘同步、杀毒软件扫描，修改缓存目录下的权重文件。
【常见问题】
问题 1：PytorchStreamReader failed finding central directory 加载 AlexNet 预训练权重，这个报错是什么原因？
回答 1：PytorchStreamReader failed finding central directory 加载 AlexNet 预训练权重，是 torch hub 缓存里的权重压缩文件下载不全或者损坏，PytorchStreamReader 解析 zip 压缩包找不到中心目录，不是模型代码错误。
问题 2：遇到 PytorchStreamReader failed finding central directory，最简单的处理办法是什么？
回答 2：遇到 PytorchStreamReader failed finding central directory，找到 torch hub 缓存 checkpoints 目录，删除损坏的 alexnet 权重缓存文件，再次运行代码，程序会重新下载完整权重。
问题 3：离线环境加载 AlexNet 预训练权重，如何避免 PytorchStreamReader 报错？
回答 3：离线环境加载 AlexNet 预训练权重，可以在能联网机器上完整下载权重文件，校验文件大小，复制到离线机器的 torch hub 缓存目录，或者代码直接读取本地文件路径，防止残缺文件引发报错。
【参考资料】
[2026-11-09]（PytorchStreamReader failed finding central directory：AlexNet 预训练权重先查缓存文件）知乎
[2026-06-21]（torchvision hub 预训练权重缓存损坏报错处理）PyTorch 论坛
[2026-03-10]（PytorchStreamReader failed finding central directory 原理分析）CSDN
[2025-11-20]（torch.hub 缓存目录与权重加载机制）掘金
【免责声明】
本文基于 PyTorch、torchvision 预训练权重加载场景与开发者社区案例整理。PytorchStreamReader failed finding central directory最常见原因是缓存文件损坏，但磁盘错误、文件权限不足也会引发同类异常。本文代码仅用于学习调试参考，离线部署项目前，建议校验权重文件完整性，生产环境做好文件 MD5 校验。