增加网格搜索超参数功能。

GRID_SEARCH_README.md

@@ -0,0 +1,149 @@
+# CosFace超参数网格搜索使用指南
+
+## 概述
+
+已完成CosFace超参数网格搜索功能的实施，用于优化`scale (s)`和`margin (m)`两个核心超参数。
+
+## 修改文件清单
+
+### 1. `requirements.txt`
+- ✅ 添加依赖：`pandas>=2.0.0` 和 `seaborn>=0.12.0`
+
+### 2. `train/train_cosface_embedding.py`
+- ✅ `TaskConfig`添加`test_dir`字段
+- ✅ `TASKS`字典中所有任务添加测试集路径
+
+### 3. `train/grid_search_cosface.py` (新建)
+- ✅ 完整的网格搜索脚本 (~350行)
+
+## 搜索空间配置
+
+当前为dish任务配置的搜索空间：
+```python
+GRID_PARAMS = {
+    'dish': {
+        's': [56.0, 60.0, 64.0, 68.0],    # 4个scale值
+        'm': [0.32, 0.35, 0.38, 0.40],    # 4个margin值
+    }
+}
+```
+
+**总配置数**: 4 × 4 = **16组实验**
+
+## 使用方法
+
+### 1. 安装依赖
+```bash
+pip install pandas>=2.0.0 seaborn>=0.12.0
+```
+
+### 2. 运行网格搜索
+```bash
+# 完整搜索（16组配置）
+python train/grid_search_cosface.py --task dish
+
+# 测试运行（限制配置数）
+python train/grid_search_cosface.py --task dish --max_configs 2
+
+# 自定义参数
+python train/grid_search_cosface.py --task dish --epochs 100 --patience 10 --min_epochs 25
+```
+
+### 3. 参数说明
+- `--task`: 任务名称 (`dish` / `whole_ingredient` / `processed_ingredient`)
+- `--max_configs`: 限制最大配置数（用于测试，可选）
+- `--epochs`: 每个配置的最大训练轮数（默认100）
+- `--patience`: 早停容忍轮数（默认10）
+- `--min_epochs`: 最小训练轮数（默认25）
+
+## 输出文件
+
+运行后会在`model/DishClassification/grid_search_YYYYMMDD_HHMMSS/`目录下生成：
+
+1. **`grid_search_results.csv`** - 所有配置的详细结果表格
+2. **`heatmap.png`** - 参数热力图（测试集准确率）
+3. **`summary.txt`** - 搜索总结报告（含最佳配置）
+4. **`model_s{s}_m{m}.pth`** - 每个配置的模型权重
+5. **`grid_search.log`** - 完整训练日志
+
+## 评估指标
+
+- **主要指标**: 测试集准确率 (`test_acc`) - 用于选择最佳配置
+- **辅助指标**: 验证集准确率、训练轮数、训练时间
+
+## 应用最佳配置
+
+网格搜索完成后：
+
+1. 查看`summary.txt`找到最佳配置
+2. 手动更新`train/train_cosface_embedding.py`中的`TASKS`字典：
+```python
+'dish': TaskConfig(
+    # ... 其他配置保持不变 ...
+    cosface_s=64.0,  # 更新为最佳s值
+    cosface_m=0.38,  # 更新为最佳m值
+)
+```
+3. 后续训练将自动使用最佳配置
+
+## 预计耗时
+
+基于以下假设：
+- 每个配置平均训练25-40个epoch（早停机制）
+- 每个epoch约1-2分钟
+- **单个配置**: ~30-60分钟
+- **16组配置总耗时**: ~8-16小时
+
+**建议**: 使用GPU运行，可在夜间或周末执行完整搜索。
+
+## 注意事项
+
+1. **数据集要求**: 确保`dataset/DishClassification/test/`目录存在且有数据
+2. **GPU推荐**: 网格搜索计算量大，强烈建议使用GPU
+3. **磁盘空间**: 每个配置约占用500MB，16组需8GB空间
+4. **中断恢复**: 当前版本不支持断点续训，建议一次性完成
+
+## 高级用法
+
+### 修改搜索空间
+编辑`train/grid_search_cosface.py`中的`GRID_PARAMS`字典：
+```python
+GRID_PARAMS = {
+    'dish': {
+        's': [60.0, 64.0, 68.0, 72.0],     # 自定义scale范围
+        'm': [0.30, 0.35, 0.40, 0.45],     # 自定义margin范围
+    }
+}
+```
+
+### 调整早停策略
+通过命令行参数调整：
+```bash
+python train/grid_search_cosface.py --task dish --patience 15 --min_epochs 30
+```
+
+## 故障排除
+
+**问题1**: `ModuleNotFoundError: No module named 'pandas'`
+- 解决: `pip install pandas seaborn`
+
+**问题2**: 测试集目录不存在
+- 解决: 确认`dataset/DishClassification/test/`路径正确且有数据
+
+**问题3**: CUDA out of memory
+- 解决: 减小`batch_size`或在CPU上运行（速度较慢）
+
+## 示例结果解读
+
+`summary.txt`示例：
+```
+最佳配置:
+  s (scale) = 64.0
+  m (margin) = 0.38
+  测试集准确率 = 98.50%
+  验证集准确率 = 100.00%
+  训练轮数 = 32
+  训练时间 = 45.3 分钟
+```
+
+这表示s=64.0, m=0.38是最优组合，在测试集上达到98.50%准确率。