屏蔽/255，避免重复除以。

classifier/food_classifier_app.py

@@ -548,6 +548,7 @@ class FoodClassifierApp:
             # 不再需要手动预处理，模型会自动处理
             # 使用模型的预处理方法
             input_tensor = self.model.preprocess_image(pil_image)
+            # print('input_tensor',input_tensor)
             input_tensor = input_tensor.to(self.device)
             
             # 进行预测

net/food_net.py

@@ -18,7 +18,7 @@ class FoodCNN(nn.Module):
         
         # 图片预处理变换（仅在推理时使用）
         self.preprocess = transforms.Compose([
-            transforms.Resize((32, 32)),
+            transforms.Resize((32, 32),interpolation=transforms.InterpolationMode.BILINEAR),
             transforms.ToTensor(),
             transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))
         ])
@@ -85,11 +85,14 @@ class FoodCNN(nn.Module):
             torch.Tensor: 预处理后的tensor，形状为 [batch, 3, 32, 32]
         """
         # 归一化到 [0, 1]
-        x = x.float() / 255.0
+        # 好像安卓已经做了归一化了。
+        # x = x.float() / 255.0
         
         # 缩放到 32x32
         x = F.interpolate(x, size=(32, 32), mode='bilinear', align_corners=False)
-        
+        # 缩放到 32x32 - 使用 align_corners=True 来匹配 PIL 的默认行为
+        # x = F.interpolate(x, size=(32, 32), mode='bilinear', align_corners=True)
+
         # ImageNet标准化
         mean = torch.tensor([0.485, 0.456, 0.406], device=x.device).view(1, 3, 1, 1)
         std = torch.tensor([0.229, 0.224, 0.225], device=x.device).view(1, 3, 1, 1)

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', '07')
+MODEL_DIR = os.path.join(BASE_DIR, 'model', '09')
 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')

toAndroid/toAndroid.py

@@ -8,7 +8,7 @@ def main():
     
     # 1. 加载训练好的基础模型权重
     base_model = create_food_cnn()
-    model_path = "../model/07/best_food_model.pth"
+    model_path = "../model/09/best_food_model.pth"
     
     if not os.path.exists(model_path):
         print(f"错误：模型文件不存在 {model_path}")
@@ -37,7 +37,7 @@ def main():
         traced_model = torch.jit.trace(mobile_model, example_input)
         
         # 保存模型
-        output_path = "../model/07/best_food_model_mobile.pt"
+        output_path = "../model/09/best_food_model_mobile.pt"
         traced_model.save(output_path)
         print(f"✓ TorchScript模型保存成功: {output_path}")