遇到了两次上述的bug，特此来记录一下，第一个来自于加载权重部分，第二个来自于代码运行时。

首先看第一个：

 pre_weights = torch.load(model_weight_path, map_location=device)
    print(pre_weights,type(pre_weights))
    del_key = []
    for key, value in pre_weights:
        print(key,type(key))

当我运行上述代码会发生错误：

Traceback (most recent call last):
  File "D:\PycharmProjects\python function\预训练权重\载入部分预训练权重.py", line 38, in <module>
    main()
  File "D:\PycharmProjects\python function\预训练权重\载入部分预训练权重.py", line 26, in main
    for key, value in pre_weights:
ValueError: too many values to unpack (expected 2)

报错原因是因为有太多的值需要解压，其中pre_weights是一个有序字典，里面包含了网络的参数，将过查询发现遍历字典需要在字典后面增加items函数，items函数返回一个可遍历的键值对列表。这个是python基础的语法错误。

修改后正确运行：

第二个是代码：在运行到如下一行时发生错误，说明要么输入的少了或多了，要么输出的少了或多了。

encoded1,encoded2 = self.encoder(emb1,emb2)

ValueError: too many values to unpack (expected 2)

然后往上回溯，寻找到encoder函数。发现输入为两个，输出为三个，而看我的报错代码行，发现输出只有两个，所以是因为漏了一个输出。

    def forward(self, fuse,out): #((1,196,256),(1,196,512))
        attn_weights = []
        for layer_block in self.layer:
            emb1,emb2,weights = layer_block(fuse,out)
        if self.vis:
            attn_weights.append(weights)
        emb1 = self.encoder_norm1(emb1) if emb1 is not None else None
        emb2 = self.encoder_norm2(emb2) if emb2 is not None else None
        return emb1,emb2,attn_weights

修改代码即可正常运行。

encoded1,encoded2,attn_weights = self.encoder(emb1,emb2)