diff --git a/train/train_embedding.py b/train/train_embedding.py
index 5953f56..9cbda59 100644
--- a/train/train_embedding.py
+++ b/train/train_embedding.py
@@ -20,6 +20,7 @@ from datetime import datetime
 
 # 添加项目根目录到路径
 sys.path.append(os.path.join(os.path.dirname(__file__), '..'))
+# 引入模型
 from net.resnet_embedding import create_resnet50_embedding
 from settings import settings
 
@@ -106,17 +107,22 @@ class TripletDataset(Dataset):
         anchor_img = self._load_image(anchor_path)
         
         # 获取正样本（同类别的不同图片）
+        # 需要从自己所在类别中先把自己给排除掉
         positive_candidates = [path for path in self.samples_by_class[anchor_label] 
                              if path != anchor_path]
         if positive_candidates:
+            # 从这里可以看出来是随机选的
             positive_path = random.choice(positive_candidates)
         else:
             positive_path = anchor_path  # 如果只有一张图片，使用自己作为正样本
         positive_img = self._load_image(positive_path)
         
         # 获取负样本（不同类别的图片）
+        # 获得其它类别
         negative_classes = [cls for cls in self.samples_by_class.keys() if cls != anchor_label]
+        # 随便选一个类别
         negative_class = random.choice(negative_classes)
+        # 随便选一个路径
         negative_path = random.choice(self.samples_by_class[negative_class])
         negative_img = self._load_image(negative_path)
         
@@ -147,6 +153,7 @@ class TripletDataset(Dataset):
 class TripletLoss(nn.Module):
     """
     三元组损失函数
+    margin是一个超参数，目的是同类聚，异类散
     """
     
     def __init__(self, margin: float = 0.3):
@@ -171,7 +178,7 @@ class TripletLoss(nn.Module):
         Returns:
             torch.Tensor: 三元组损失值
         """
-        # 计算距离
+        # 计算距离（p = 2,代表欧式距离 p = 1,代表曼哈顿距离）
         pos_dist = F.pairwise_distance(anchor, positive, p=2)
         neg_dist = F.pairwise_distance(anchor, negative, p=2)
         
@@ -200,7 +207,7 @@ class CenterLoss(nn.Module):
         self.embedding_dim = embedding_dim
         self.alpha = alpha
         
-        # 初始化类别中心
+        # 初始化类别中心，维度是类别数量乘以特征向量维度
         self.centers = nn.Parameter(torch.randn(num_classes, embedding_dim))
         
     def forward(self, embeddings, labels):
@@ -532,7 +539,8 @@ def main():
         transforms.ToTensor(),
         transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
     ])
-    
+
+    # 验证不需要做图片增强
     transform_val = transforms.Compose([
         transforms.Resize((224, 224)),
         transforms.ToTensor(),