在网格搜索中加入了可视化，但是训练脚本好像给改错了。

train/grid_search_cosface.py

@@ -46,6 +46,10 @@ logger = logging.getLogger(__name__)
         's': [56.0, 60.0, 64.0, 68.0],  # scale参数
         'm': [0.32, 0.35, 0.38, 0.40],  # margin参数
     },
+     'whole_ingredient': {
+        's': [56.0, 60.0, 64.0, 68.0, 72.0],
+        'm': [0.32, 0.35, 0.38, 0.40, 0.45],
+    },
 """
 GRID_PARAMS = {
     'dish': {
@@ -53,8 +57,8 @@ GRID_PARAMS = {
         'm': [0.32, 0.35, 0.38, 0.40,0.45,0.50],  # margin参数
     },
     'whole_ingredient': {
-        's': [56.0, 60.0, 64.0, 68.0, 72.0],
-        'm': [0.32, 0.35, 0.38, 0.40, 0.45],
+        's': [56.0, 60.0 ,64.0, 68.0],
+        'm': [0.32, 0.35, 0.38, 0.40],
     },
     'processed_ingredient': {
         's': [56.0, 60.0, 64.0, 68.0],

train/train_cosface_embedding.py

@@ -411,6 +411,53 @@ def main(task_key: str = 'dish', s: Optional[float] = None, m: Optional[float] =
             logger.info(f'   最佳验证损失: {best_val_loss:.4f}')
             logger.info(f'   最佳验证准确率: {best_val_acc:.2f}%')
             logger.info('=' * 60)
+            
+            # ===== 生成特征向量可视化 =====
+            logger.info('🎨 开始生成特征向量可视化...')
+            try:
+                # 动态导入函数（避免影响其他部分）
+                faiss_db_dir = os.path.join(settings.BASE_DIR, 'faiss_vector_db')
+                if faiss_db_dir not in sys.path:
+                    sys.path.insert(0, faiss_db_dir)
+                
+                from build_faiss_index import extract_embeddings_only
+                from visualize_embeddings import visualize_embeddings_from_files
+                
+                # 创建可视化输出目录
+                vis_output_dir = os.path.join(save_dir, 'embeddings_visualization')
+                
+                # 1. 提取特征向量
+                logger.info('  步骤1/2: 提取训练集特征向量...')
+                extract_embeddings_only(
+                    model_path=best_model_path,
+                    train_dir=cfg.train_dir,
+                    output_dir=vis_output_dir,
+                    embedding_dim=cfg.embedding_dim,
+                    batch_size=cfg.batch_size
+                )
+                
+                # 2. 生成可视化（使用PCA方法，快速）
+                logger.info('  步骤2/2: 生成可视化图...')
+                embeddings_json = os.path.join(vis_output_dir, 'embeddings.json')
+                labels_json = os.path.join(vis_output_dir, 'labels.json')
+                
+                visualize_embeddings_from_files(
+                    embeddings_path=embeddings_json,
+                    labels_path=labels_json,
+                    output_dir=vis_output_dir,
+                    method='pca',  # 使用PCA方法（快速）
+                    max_points=None,  # 训练集全量可视化
+                    seed=42
+                )
+                
+                logger.info(f'✓ 可视化完成，保存至: {vis_output_dir}')
+                
+            except Exception as e:
+                logger.error(f'⚠ 可视化生成失败: {e}')
+                import traceback
+                traceback.print_exc()
+            # ===== 可视化逻辑结束 =====
+            
             break
     else:
         logger.info(f'✓ 完成全部 {num_epochs} 轮训练（未触发早停）')