多模块模型关联报错主因是路径、顺序或依赖未对齐：检查__init__.py缺失、import混用相对/绝对路径、forward输入输出维度不匹配；统一绝对导入、精简__init__.py、断言张量维度、对齐通道数、显式传参共享组件、分段验证。
多模块模型关联报错，通常不是模型写错了，而是模块间引用路径、加载顺序或依赖声明没对齐。重点检查 __init__.py 是否缺失、import 路径是否相对/绝对混用、以及 PyTorch/TensorFlow 中 model.forward() 调用时输入输出维度不匹配。
确认模块导入路径一致
多个模型分散在不同子目录（如 models/backbone/, models/head/, models/neck/）时，容易因 import 写法不统一导致找不到类或重复定义：
- 统一用绝对导入：在项目根目录下运行，所有 import 以包名为前缀，例如 from myproject.models.backbone.resnet import ResNet50
- 删掉多余的 __init__.py，只保留每个包层级必要的初始化文件，避免隐式循环导入
- 运行前加 print(__package__) 和 print(__name__) 检查当前模块上下文
检查模型间输入输出张量 shape 匹配
比如 backbone 输出是 (B, C, H, W)，但 neck 期望接收 (B, C, N)，就会在 forward 中报 RuntimeError: Expected 3D input：
- 在每个模块的 forward 开头加 assert x.dim() == 4, f"Expected 4D, got {x.shape}"
- 用 torch.jit.trace 或 tf.function(input_signature=...) 提前捕捉 shape 不兼容问题
- 对齐通道数：backbone 最后一层 conv 的 out_channels 必须等于 neck 第一层的 in_channels
避免跨模块共享未初始化状态
多个模型共用一个 nn.ModuleList 或全局 dict 缓存时，若初始化顺序错乱，会引发 AttributeError: 'NoneType' object has no attribute 'weight'：
- 把共享组件（如 position embedding、shared token）显式作为参数传入各模块构造函数，而非在模块内动态查找
- 使用 @property 延迟初始化，确保调用时父模块已 fully initialized
- 避免在 __init__ 中直接调用其他模块的 forward 或依赖其属性
调试建议：最小复现 + 分段验证
不要一上来就跑完整 pipeline。先隔离验证每段：
- 单独实例化 backbone，输入随机 tensor，确认能输出合理 shape
- 把 backbone 输出直接喂给 neck，跳过 head，看是否报错
- 用 torch.fx.symbolic_trace(model) 可视化整个图结构，快速定位断点位置
