建立FAISS索引。

classifier/embedding_food_classifier_app.py

@@ -69,6 +69,7 @@ class EmbeddingFoodClassifierApp:
             if os.path.exists(model_path) and os.path.exists(index_dir):
                 # 1. 加载embedding模型
                 print("正在加载embedding模型...")
+                # 先把网络结构拿过来，传入embedding维度，预训练，除了加载网络结构，还把预训练的网络参数加载过来
                 self.model = create_resnet50_embedding(
                     embedding_dim=512,
                     pretrained=True,
@@ -86,8 +87,9 @@ class EmbeddingFoodClassifierApp:
                         self.model.load_state_dict(checkpoint)
                 else:
                     self.model.load_state_dict(checkpoint)
-                
+                # 把模型放到设备上（GPU或CPU）
                 self.model.to(self.device)
+                # 模型在评估模式下运行时，会禁用某些操作，如BN层和Dropout层
                 self.model.eval()
                 print("Embedding模型加载成功!")