PyTorch多输入多输出网络须继承nn.Module并重写forward，显式声明输入参数与返回字典/命名元组；损失需手动拆解加权；jit.trace导出须传全输入示例；DataLoader需自定义collate_fn确保张量对齐。
PyTorch中多输入多输出网络必须继承nn.Module并重写forward
不能靠拼接输入或简单堆叠nn.Sequential实现真正意义上的多输入多输出。PyTorch不提供开箱即用的“多输入接口”，所有输入必须显式传入forward方法，所有输出也必须由该方法返回为元组或字典——框架本身只认这个返回值作为模型输出。
常见错误是试图把多个torch.Tensor塞进一个forward(self, x)里，结果报TypeError: forward() takes 2 positional arguments but 4 were given。正确做法是定义形如forward(self, x1, x2, y_target=None)的签名，参数名要能反映数据语义（比如img_feat、tabular_data），避免用x1/x2这种模糊命名，否则后续训练逻辑极易出错。
实操建议：
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
- 输入张量维度需提前对齐：比如图像分支输出
[B, 512]，时序分支输出[B, 128]，若要拼接做联合分类，必须确保batch size一致且device相同（x1.device == x2.device） - 如果某分支输入可选（如文本模态在推理时可能缺失），不要在
forward里做if x_text is not None分支，而应统一用torch.nn.Identity()占位，保持计算图稳定 - 返回值推荐用命名元组或字典，例如
return {"logits": logits, "recon": recon_x, "z": z}，比裸return logits, recon_x, z更易维护
损失函数组合必须手动加权，不能依赖nn.Loss自动处理多输出
PyTorch的nn.CrossEntropyLoss、nn.MSELoss等只接受单目标张量。当模型同时输出分类logits和重建图像时，loss = criterion(output, target)会直接报错：维度不匹配或target类型不符。
立即学习“Python免费学习笔记（深入）”；
典型现象是训练启动后第一轮就崩在loss.backward()，错误信息类似RuntimeError: Found dtype Float but expected Double——这往往是因为不同分支用了不同dtype（比如图像重建用了float32，而标签是long），但根本原因还是损失没分拆。
实操建议：
- 每个输出对应一个独立损失项：
cls_loss = F.cross_entropy(pred_cls, label)、rec_loss = F.mse_loss(pred_rec, img) - 加权求和时权重必须是Python float（不是
torch.tensor），否则反向传播会泄漏计算图：total_loss = cls_loss * 1.0 + rec_loss * 0.5 - 如果某输出仅用于推理（如中间特征
z），它不该参与loss计算，别把它塞进损失公式里
使用torch.jit.trace导出多输入模型时，输入示例必须覆盖全部分支
调用torch.jit.trace(model, (x1_example, x2_example))时，如果只传一个输入（哪怕模型代码里写了两个参数），trace会静默失败，生成的ScriptModule只认单输入，后续C++加载时报expected 2 arguments but got 1。
更隐蔽的问题是示例张量的shape与实际推理不一致：比如训练时图像输入是[1, 3, 224, 224]，但trace用的是[4, 3, 224, 224]，导出后模型在batch=1时可能因某些op（如BatchNorm）的统计量未初始化而nan。
实操建议：
- trace前用
model.eval()并torch.no_grad()，避免dropout/bn干扰 - 每个输入示例必须是真实tensor（不能是None或占位字符串），且shape、dtype、device严格匹配训练逻辑
- 导出后立刻用
traced_model(x1_test, x2_test)验证输出结构是否与原模型一致，尤其检查字典key或元组长度
DataLoader配合多输入需要自定义collate_fn，不能依赖默认拼接
默认default_collate会尝试把list of dict合并成batch dict，但遇到不同模态（如图像+CSV特征+文本token ids）时，常报TypeError: default_collate: batch must contain tensors, numpy arrays, numbers, dicts or lists; found <class></class>。
根本原因是PIL Image、pandas Series、str等非tensor类型无法被自动stack。有人强行在Dataset的__getitem__里转tensor，结果导致CPU瓶颈严重，DataLoader worker卡死。
实操建议：
-
collate_fn里只做最简转换：PIL →torchvision.transforms.ToTensor()，CSV列 →torch.tensor()，文本 →torch.tensor(token_ids)；图像增强等耗时操作留在__getitem__中并设num_workers > 0 - 返回值必须是tuple或dict，与
forward参数顺序/键名完全一致，例如return {"img": imgs, "tab": tabs, "label": labels} - 所有张量必须调用
.to(device)放在forward外（即训练循环里），别在collate_fn里做，否则多卡DDP会出错
多输入多输出的关键不在“搭网络”，而在输入对齐、损失拆解、导出验证、数据拼接这四个环节的严格一致性。任何一个环节的张量shape、dtype或device不匹配，都会在看似无关的位置突然崩溃——而且错误提示往往指向下游（比如optimizer.step时报错），实际根因却在Dataset的<strong>getitem</strong>里少了一句.float()。
