这段代码实现了一个半监督学习的食品图像分类任务固定随机种子，保证实验结果可复现定义图像预处理策略（训练集数据增强、验证集仅标准化）自定义数据集类：支持读取有标签数据（训练 / 验证）和无标签数据（半监督）实现半监督逻辑：用训练好的模型对无标签数据打伪标签，筛选置信度高的样本加入训练构建卷积神经网络（或调用预训练 VGG），完成有监督 + 半监督的混合训练训练过程中监控损失和准确率，保存最优模型，绘

for batch_x, batch_y in train_loader:# 遍历每个batch。optimizer.zero_grad()# 重要！train_bat_loss.backward()# 自动计算梯度。with torch.no_grad():# 关闭梯度计算，节省内存和计算。# feature_data: 特征数据（比如表格的X部分）model.train()# 设置模型为训练模