修改训练脚本，增加网格搜索的可视化

train/train_cosface_embedding.py

@@ -411,53 +411,6 @@ 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）')