现在统一使用Torch中的interpolate这个缩放方法，不用torchvision中的transforms的Resize了，应该就可以了。

net/food_net.py

@@ -54,7 +54,7 @@ class FoodCNN(nn.Module):
         
     def preprocess_image(self, image):
         """
-        预处理单张图片
+        预处理单张图片（使用与移动端相同的插值方法）
         
         Args:
             image: PIL Image 或 numpy array
@@ -69,10 +69,20 @@ class FoodCNN(nn.Module):
             else:
                 raise ValueError("输入必须是PIL Image或numpy array")
         
-        # 应用预处理变换
-        processed = self.preprocess(image)
+        # 转换为tensor（不做resize）
+        tensor = transforms.ToTensor()(image)
         # 添加batch维度
-        return processed.unsqueeze(0)
+        tensor = tensor.unsqueeze(0)
+        
+        # 使用与移动端相同的插值方法缩放到32x32
+        tensor = F.interpolate(tensor, size=(32, 32), mode='bilinear', align_corners=False)
+        
+        # ImageNet标准化
+        mean = torch.tensor([0.485, 0.456, 0.406]).view(1, 3, 1, 1)
+        std = torch.tensor([0.229, 0.224, 0.225]).view(1, 3, 1, 1)
+        tensor = (tensor - mean) / std
+        
+        return tensor
     
     def mobile_preprocess(self, x):
         """

settings/settings.py

@@ -15,7 +15,7 @@ VAL_DATA_DIR = os.path.join(DATASET_DIR, 'val')
 TEST_DATA_DIR = os.path.join(DATASET_DIR, 'test')
 
 # 模型保存路径
-MODEL_DIR = os.path.join(BASE_DIR, 'model', '09')
+MODEL_DIR = os.path.join(BASE_DIR, 'model', '10')
 BEST_MODEL_PATH = os.path.join(MODEL_DIR, 'best_food_model.pth')
 TRAINING_CURVES_PATH = os.path.join(MODEL_DIR, 'training_curves.png')
 TRAINING_RESULTS_PATH = os.path.join(MODEL_DIR, 'training_results.txt')