训练的时候缩放，推理的时候，在模型中缩放！

train/train_food_classifier.py

@@ -29,20 +29,20 @@ print(f"使用设备: {device}")
 
 
 
-# 数据预处理
+# 数据预处理 - 必须包含Resize以保证batch中tensor尺寸一致，只有Normalize由模型内部完成
 transform_train = transforms.Compose([
-    transforms.Resize((32, 32)),
+    transforms.Resize((32, 32)),  # 必须保留，确保batch中tensor尺寸一致
     transforms.RandomHorizontalFlip(p=0.5),
     transforms.RandomRotation(10),
     transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0.1),
     transforms.ToTensor(),
-    transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))
+    # 注意：只有Normalize由模型内部处理
 ])
 
 transform_test = transforms.Compose([
-    transforms.Resize((32, 32)),
+    transforms.Resize((32, 32)),  # 必须保留，确保batch中tensor尺寸一致
     transforms.ToTensor(),
-    transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))
+    # 注意：只有Normalize由模型内部处理
 ])
 
 # 训练函数
@@ -153,8 +153,8 @@ if __name__ == '__main__':
     print(f"验证集大小: {len(val_dataset)}")
     print(f"测试集大小: {len(test_dataset)}")
 
-    # 创建模型
-    model = create_food_cnn().to(device)
+    # 创建模型 - 启用内部预处理
+    model = create_food_cnn(use_internal_preprocess=True).to(device)
     print(f"模型参数数量: {sum(p.numel() for p in model.parameters() if p.requires_grad)}")
 
     # 定义损失函数和优化器