第二步是补充了基于 ImageNet 均值方差的标准化，因为我用的 VGG 是预训练模型，只有让食物图片的分布和预训练数据一致，才能。模型的预训练权重相当于 “白学了”，从头开始拟合，收敛慢、准确率低（这是之前模型效果差的核心原因之一）。：做算法对比（如 A 模型 vs B 模型）时，只有固定随机种子，才能排除「随机因素」的干扰，确保对比结果的公平性。实际测试中，补充标准化后，模型的训练损失从原来