调整模型路径。

.gitignore

@@ -5,3 +5,4 @@
 /faiss_vector_db/faiss_index/
 /faiss_vector_db/faiss_index092901/
 /faiss_vector_db/faiss_index101001/
+/faiss_vector_db/faiss_index*/

classifier/embedding_food_classifier_app.py

@@ -1135,6 +1135,7 @@ class EmbeddingFoodClassifierApp:
             
             # 提取查询图片的特征向量
             query_embedding = self.model.extract_embedding(pil_image, normalize=True)
+            # print('特征向量:',  query_embedding)
             query_embedding = query_embedding.reshape(1, -1).astype(np.float32)
             
             # 在FAISS索引中搜索最相似的k张图片

toAndroid/toAndroidEmbedding.py

@@ -17,7 +17,8 @@ def main():
     # 1. 加载训练好的embedding模型权重
     # base_model = create_resnet50_embedding(embedding_dim=512, pretrained=True)
     base_model = create_mobile_resnet50_embedding(embedding_dim=512, pretrained=True)
-    model_path = "../model/embedding_20250930_102826/best_embedding_model.pth"
+    # model_path = "../model/embedding_20250930_102826/best_embedding_model.pth"
+    model_path = "../model/embedding_20251011_133653/best_embedding_model.pth"
 
     if not os.path.exists(model_path):
         print(f"错误：模型文件不存在 {model_path}")
@@ -85,7 +86,7 @@ def main():
         traced_model = torch.jit.trace(mobile_wrapper, single_input)
         
         # 保存模型
-        output_path = "../model/embedding_20250930_102826/best_embedding_model_mobile.pt"
+        output_path = "../model/embedding_20251011_133653/best_embedding_model_mobile.pt"
         traced_model.save(output_path)
         print(f"✓ TorchScript模型保存成功: {output_path}")