在提交新问题之前，请确保您已经在社区中搜索过相关问题，并使用了社区中提供的资源/工具后，仍未找到满意的解决方式。

⚠️ 安全信息提醒：请仔细检查提供的文本内容，确保其不包含敏感数据信息，包括但不限于：

• API 令牌或密钥
• 密码或身份验证凭证
• 私有网址或接口地址
• 个人或机密数据
• ...

在分享配置信息或代码示例时，请将敏感信息脱敏处理，或使用 <TOKEN> 等占位符替代原有内容。

环境信息

例如：
- 操作系统 arm
- 昇腾硬件信息 A2
- CANN软件版本 cann 9.1.0
- 安装的对应软件版本 pta 2.9.0

🐛 问题描述

问题

Inductor在缓存加载的时候tensor没转成npu的

原因

1. inductor cache 序列化：pickle.dumps(CompiledFxGraph) → 常量中的 NPU tensor 被 pickle
2. NPU tensor 的 pickle 机制：UntypedStorage.reduce → torch.save(self, b, _use_new_zipfile_serialization=False) → 旧格式（非 zipfile）
3. 反序列化：pickle.loads → _load_from_bytes → torch.load(io.BytesIO(b), weights_only=False) → map_location=None
4. torch_npu 的 load 函数（serialization.py 第 294-339 行）：检测到非 zipfile + map_location=None → 强制传 "cpu" 给 _legacy_load → NPU tensor 变成 CPU tensor！
5. 而标准 PyTorch 的 _legacy_load 在 map_location=None 时，会通过 default_restore_location + 已注册的 privateuse1(npu) 反序列化器，正确地将 tensor 恢复到 NPU 设备。
6. 问题就在 torch_npu 的 load 函数中，map_location=None 时不应该强制传 "cpu"。

修改方式：

在torch_npu.utils.serialization.py
if map_location is None:
return _legacy_load(
opened_file, None, pickle_module, **pickle_load_args
)

欢迎加入社区，感谢您对社区的贡献 🎉!