儲存與載入模型

ModelSaver 和 ModelLoader（兩者都在節點面板的 IO 分類）各有兩種模式，而你選的那一組決定了檔案「是什麼」：一袋數字，或者一個 Python 物件。這個差別不只是方便與否。載入一個已存的 Python 物件是唯一有機會執行程式碼的步驟，所以這也是 CodefyUI 裡唯一一處「你打開的檔案對接下來會發生什麼有發言權」的地方。

兩種模式

	`state_dict`（預設）	`full_model`
檔案裡有什麼	張量，以參數名稱為鍵	整個 `nn.Module`，以 pickle 序列化
載入時你需要	同一份架構，接到 `ModelLoader.model`	什麼都不用 —— 模組會自己重建
支援 `.safetensors`	支援	不支援（該格式只存張量）
改層名稱後還能用	不能 —— 鍵就是屬性名稱	可以
在 CodefyUI 之外可讀	可以，任何能讀 torch 檔案的程式都行	只有在類別定義可以 import 時才行

state_dict 是預設值，也是建議的路徑。 所有隨附範例都用它。這個模式對檔案沒有附加任何條件：torch.load 在 torch 的受限解序列化器下讀取它，所以檔案裡不存在任何可能被執行的東西，而任何具備同一份架構的 Python 程式都能使用它。

full_model 的用途是你不想重建架構的那些情況 —— 把一個檔案交給別人讓他直接跑，或是重新載入一個你已經沒有圖的模型。

為什麼 `full_model` 有限制

完整模型檔是一個 pickle，而解 pickle 不是「讀資料」：一個 pickle 可以指名一個函式並要求呼叫它。這就是為什麼 weights_only=True 是 torch 的預設值，而 CodefyUI 從不把它關掉。

取而代之的是，ModelLoader 只在那一次載入期間，把受限解序列化器放寬到剛好三組名稱：

torch.nn 自己的層類別。 用走訪 nn.Module 已載入子類別的方式推導出來，只留下 torch 自己定義的那些，所以它跟著你安裝的 torch 版本走，而不是跟著這裡寫死的一份清單走。
CodefyUI 自己的模組類別 —— GraphModelModule（每一個層編輯器模型都是它）、SequentialModel 的包裝類別（Reshape、SelectIndex，以及 LSTM／GRU／注意力／transformer 區塊）、CausalLMModule 與構成它的那些區塊、diffusion U-Net、VLA 策略網路，還有其餘幾個。這是一份精選的、逐一列名的類別清單，每一個都依照下面那些規則審核過。
兩個 torch 的啟動函式 —— torch.nn.functional.relu 與 torch._C._nn.gelu。torch 的 transformer 層把自己的啟動函式存成一個可呼叫物件屬性，而不是存成一個層，所以一個 TransformerEncoder 或 TransformerDecoder 的檢查點要載回來，就得靠這兩個名稱。這裡放行的是逐一列名的身分，不是整個 torch.nn.functional 命名空間：handle_torch_function 也住在那裡，而它會轉派到任意物件的 __torch_function__，所以放行整個命名空間等於放行一個通用的呼叫工具，也等於把 torch 以後往那裡新增的任何東西一起放行。

其他一切都會被拒絕，並附上一則指名它停在哪裡的訊息。一個指名 os.system 的 pickle 載不進來，因為 os.system 不在上面這三組裡的任何一組 —— 而除了那兩個之外的任何函式也一樣不在。

「審核過」到底是什麼意思

把一個類別列名放行之後，檔案可以對它做兩件事，而這兩件事都必須是無害的：

還原它的屬性。 所以被放行的類別不能定義 __reduce__、__setstate__ 或 __getnewargs__ —— 任何會把「還原一個屬性」變成「執行某段程式」的東西都不行。
用檔案自己挑的參數呼叫它的建構子。 torch 的受限解序列化器對任何被允許的名稱都會執行 func(*args)，所以 cls(...) 是可以被觸發的。因此被放行的建構子不能碰檔案、不能碰網路、也不能碰全域狀態（用區域的 torch.Generator 沒問題，torch.manual_seed 不行）。參數亂給導致丟出錯誤是可以接受的 —— 那是一次失敗的載入，不是一次被入侵的載入。

第二點對 torch 自己的類別一直都成立：放行 nn.Linear 就等於放行「用檔案挑的尺寸呼叫 nn.Linear(...)」。之所以值得寫出來，是因為 CodefyUI 這份清單是由人維護的；而這兩點裡可以用機械方式檢查的部分，每次跑測試都會被驗證。

放行一個函式則看四點，四點都必須成立：它是 torch 自己的、它是一個純粹的張量運算、它沒有檔案／網路／行程層面的副作用、它不改動任何全域狀態 —— 這樣一來，用檔案自己挑的任意參數呼叫它，結果只會是回傳一個張量或是丟出錯誤。這是同一套標準，而且它旁邊那個類別的情況其實是更大的表面：檔案本來就能經由同一條程式路徑觸發 nn.Linear(...)，而一個函式既沒有建構子，也沒有要還原的屬性。

這兩份清單都是從存檔那一端列舉出來的 —— 從「CodefyUI 實際上能組出來的模型會存下什麼」列舉 —— 而且兩份都各有一個測試會把那次列舉重跑一遍。所以，當某個類別或某個可呼叫物件開始出現在被存下的模型裡時，失敗的會是測試，而不是安靜地變成一個沒有人打得開的檢查點。

:::note 實際上這代表什麼 CodefyUI 寫出的 full_model 檔可以在 CodefyUI 裡載回來。含有自訂節點、外掛或其他腳本類別的檔案會被拒絕，因為受限解序列化器不接受這些類別。ModelSaver 會在儲存檔案時，於執行紀錄中回報檔案類型。 :::

一個已知的邊界

CodefyUI 寫出的檔案不是自足的。 讀取時，CodefyUI 自己的類別必須可以 import，因此尚未允許這些類別的舊版 CodefyUI 會拒絕檔案。在 CodefyUI 之外使用純 torch.load 載入時，需要設定 weights_only=False，且 sys.path 必須包含後端套件。這些條件不適用於 state_dict 檔案，或只由標準 torch 層（包括 transformer 層）組成的檔案。執行紀錄訊息會指出檔案類型。

如果載入被拒絕，而你信任那個檔案

在 CodefyUI 之外轉換一次，然後把結果當成 state_dict 載入：

import torch
model = torch.load("PATH.pt", weights_only=False)   # 這一行就是執行程式碼的那一步
torch.save(model.state_dict(), "NEW_PATH.pt")

只對你自己產生的、或來源你信任的檔案這樣做。那個 weights_only=False 正是 CodefyUI 不會替你按下的那一步 —— 所以它是一行你自己打出來的程式碼，而不是應用程式裡的一個勾選框。

兩種模式​

為什麼 full_model 有限制​

「審核過」到底是什麼意思​

一個已知的邊界​

如果載入被拒絕，而你信任那個檔案​

相關頁面​

兩種模式

為什麼 `full_model` 有限制

「審核過」到底是什麼意思

一個已知的邊界

如果載入被拒絕，而你信任那個檔案

相關頁面